在Java中剪切日语字符串的问题

Question

我有一个日语字符串 "　ユーザー名"，第一个字符看起来像空格，但它在Unicode上的数字是12288。因此，如果我使用 "　ユーザー名".trim()，我会得到相同的字符串（trim无效）。 如果我在C++中使用trim，则可以正常工作。 有人知道如何在Java中解决这个问题吗？ 是否有专门用于Unicode的trim方法？

- pablito

Answer 1

作为Mike提到的StringUtils类的替代方案，您还可以使用仅使用Java自己的库的Unicode-aware正则表达式：

"　ユーザー名".replaceAll("\\p{Z}", "")

或者，如果只想修剪字符串中的空格而不是删除它们：

"　ユーザ ー名 ".replaceAll("(^\\p{Z}+|\\p{Z}+$)", "")

- Fabian Steeg

---

这将替换字符串中间的空白字符。 - Pablo Retyk

请注意，正则表达式比标准的trim()方法要慢得多。如果性能成为问题（或者已经是问题），编写自己的无正则表达式的trim()可能值得你花费时间。至少，使用编译后的Pattern来执行replaceAll()。 - Michael Myers

嗯，这不适用于其他语言。我更喜欢ICU4J方法。 - Phil

Phil，我不确定我理解你的评论，为什么它不能推广到其他语言？它应该适用于所有Unicode空格。 - Fabian Steeg

非常感谢！我希望我能给这个点赞10次。 - el_stack

Answer 2

请查看Unicode规范化和规范化器类。该类是Java 6中的新功能，但如果您使用早期版本的JRE，则可以在ICU4J库中找到等效版本。

    int character = 12288;
    char[] ch = Character.toChars(character);
    String input = new String(ch);
    String normalized = Normalizer.normalize(input, Normalizer.Form.NFKC);

    System.out.println("Hex value:\t" + Integer.toHexString(character));
    System.out.println("Trimmed length           :\t"
            + input.trim().length());
    System.out.println("Normalized trimmed length:\t"
            + normalized.trim().length());

- McDowell

Answer 3

尝试使用Apache Commons的StringUtils类。StringUtils.strip()方法应该适合您的需求。

- Mike Sickler

---

这对于日语空格字符并不起作用。 - Ashika Umanga Umagiliya

Answer 4

从Java文档中可以解释为什么这不起作用。

如果此String对象表示空字符序列，或者由此String对象表示的字符序列的第一个和最后一个字符都具有大于“\ u0020”（空格字符）的代码，则返回对此String对象的引用。

你可以轻松地创造自己的版本。也许方法codePointAt可以用于此目的。

http://java.sun.com/j2se/1.5.0/docs/api/java/lang/String.html

- Paul Whelan

Answer 5

您需要根据 Character.isWhitespace() 编写自己的trim()方法。不幸的是，trim()并不像其API文档所述那样：它仅删除ASCII空格，而不删除任何其他类型的空格。

- Michael Borgwardt

Answer 6

我认为这是在Java中修剪日语字符串的简单方法

public static int getTrimmedLength(CharSequence s) {
    int len = s.length();

    int start = 0;
    while (start < len && Character.isWhitespace(s.charAt(start))) {
        start++;
    }

    int end = len;
    while (end > start && Character.isWhitespace(s.charAt(end - 1))) {
        end--;
    }

    return end - start;
}

public static String trimWhitespace(CharSequence s) {
    StringBuilder sb = new StringBuilder(s);

    while (sb.length() > 0 && Character.isWhitespace(sb.charAt(0))) {
        sb.deleteCharAt(0);
    }

    while (sb.length() > 0 && Character.isWhitespace(sb.charAt(sb.length() - 1))) {
        sb.deleteCharAt(sb.length() - 1);
    }

    return sb.toString();
}

- ToanLT