String.length（）的奇怪行为

Question

我有主课：

public class Main {

// args[0] - is path to file with first and last words
// args[1] - is path to file with dictionary 
public static void main(String[] args) {
    try {
        List<String> firstLastWords = FileParser.getWords(args[0]);
            System.out.println(firstLastWords);
        System.out.println(firstLastWords.get(0).length());

    } catch (IOException ex) {
        ex.printStackTrace();
    }
}
}

我有FileParser：

public class FileParser {

    public FileParser() {
    }

    final static Charset ENCODING = StandardCharsets.UTF_8;


    public static List<String> getWords(String filePath) throws IOException {
        List<String> list = new ArrayList<String>();
        Path path = Paths.get(filePath);

        try (BufferedReader reader = Files.newBufferedReader(path, ENCODING)) {
            String line = null;
            while ((line = reader.readLine()) != null) {

                String line1 = line.replaceAll("\\s+","");
                if (!line1.equals("") && !line1.equals(" ") ){
                    list.add(line1);
                }
            }
            reader.close();
        }
        return list;
    }   
}

args[0]是只有2个单词的txt文件的路径。 所以，如果文件包含：

тор
кит

程序返回：

[тор, кит]
4

如果文件包含：

т
тор
кит

程序返回：

[т, тор, кит]
2

即使文件包含：
//跳到下一行
тор
кит

程序返回：

[, тор, кит]
1

其中digit - 是列表中第一个字符串的长度。

所以问题是为什么它又算一个符号呢？

Answer 1

谢谢大家。

这个符号表示@Bill是BOM（ http://en.wikipedia.org/wiki/Byte_order_mark ）并且位于文本文件的开头。 所以我通过这一行找到了这个符号：

System.out.println(((int)firstLastWords.get(0).charAt(0)));

它给了我65279

然后我改变了这一行：
String line1 = line.replaceAll("\\\\s+",""); 对此

String line1 = line.replaceAll("\uFEFF","");

Answer 2

使用正则表达式很难捕获西里尔字符，例如\\p{Graph}不起作用，尽管它们是清晰可见的字符。 无论如何，这是OP问题之外的问题。

实际问题可能是由于其他不可见的字符，可能存在控制字符。 尝试使用以下正则表达式删除更多： replaceAll("(\\\\s|\\\\p{Cntrl})+","") 。 您可以使用正则表达式进一步扩展到其他情况。