[英]Strange behaviour of String.length()
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?
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","");
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.