Apache POI 異常空白（已解決：\ 不間斷空格）

Question

編輯：已解決的答案：是 00a0 不間斷空格，而不是 c0a0 不間斷空格。

在使用 Apache POI 從 docx 轉換為純文本，然后將純文本讀入 Java 並嘗試解析它之后，我遇到了以下問題。

輸出：

" "
first characterequals SPACE OR TAB 
false
[B@5e481248
[B@66d3c617
ARRAYTOSTRING SPACE: [32]
ARRAYTOSTRING ?????: [-62, -96]

對於代碼：

System.out.println("\t\"" + line.substring(0,1) + "\"\n\tfirst characterequals SPACE OR TAB \n\t" + (line.substring(0,1).equals(" ") 
                        || line.substring(0,1).equals("\t") ));
System.out.println(line.substring(0,1).getBytes());
System.out.println(" ".getBytes());
System.out.println("ARRAYTOSTRING SPACE: " + Arrays.toString(" ".getBytes()));
System.out.println("ARRAYTOSTRING ?????: " + Arrays.toString(line.substring(0,1).getBytes()));

String.trim() 沒有擺脫它
String.replaceAll("\\s" , "") 沒有擺脫它

我正在嘗試解析一個巨大的材料文檔，這正在變成一個主要障礙。 我不知道發生了什么或如何與之交互，任何人都可以對這里發生的事情有所了解嗎？

Answer 1

這轉換為十六進制代碼c2 a0的字節，根據此答案，它是 UTF-8 編碼的不間斷空格。 請注意，這不是真正的空格，\\s 將不匹配。

Answer 2

這對我有用：

 String valor = org.apache.commons.lang3.StringUtils.normalizeSpace(java.text.Normalizer.normalize(valor, java.text.Normalizer.Form.NFD));