string.replace 50％的時間中所有剪切字符

Question

我正在嘗試使用一系列string.replaceAlls來以ASCII和HTML編碼交換文本文件中的所有UTF-8特殊字符。 一路走來，我遇到了一個特別頑固的人：\\ uAC8B，UTF-8中間點。

這是截斷字符的那一行，一半的時間：

  string_out = string_out.replaceAll("•", "·");

（“¬ï”是UTF-8·作為擴展ASCII出現的方式。在絆到這行之前，我嘗試過“ \\ uAC8B”和許多其他編碼，但均未成功。）

該行剪切出了UTF-8中間點，它沒有替代它，並且只完成了一半的時間。 另一半時間它錯過了角色，並且保持不變。 如果我對其進行多份復制或在其周圍移動其他線條，它甚至都不會這樣做。

這感覺像是一個多線程問題，但是我不知道正在發生任何多線程問題。 從另一個.jsp運行的包含的.jsp文件中，只有replaceAlls的一部分。

是什么會導致這種種族條件（例如行為）？

Answer 1

AC8B不是點，而是漢字。 您是說00B7嗎？

Java字符串始終為UTF-16 Unicode。 UTF-8是表示文件中Unicode字符的一種方式，而不是Java字符串存儲在內存中的方式。

請注意用於讀取輸入和寫入輸出文件的編碼，它們應為UTF-8，但是一旦將文件內容讀入Java字符串，它將不再是UTF-8，而是16位Unicode格式。

我認為您最好的機會是使用正確的Unicode轉義，而不是嘗試將UTF-8原始字節表示為ASCII。