Ho riscontrato lo stesso problema relativo al controllo dell'uguaglianza delle stringhe, una delle stringhe di confronto ha il
codice di caratteri ASCII 128-255 .
vale a dire, Spazio non-break - [Hex - A0] Space [Hex - 20]. Per mostrare lo spazio senza interruzioni su HTML. Ho usato il seguente spacing entities
. Il loro carattere e i suoi byte sono simili&emsp is very wide space[ ]{-30, -128, -125}, &ensp is somewhat wide space[ ]{-30, -128, -126}, &thinsp is narrow space[ ]{32} , Non HTML Space {}
String s1 = "My Sample Space Data", s2 = "My Sample Space Data";
System.out.format("S1: %s\n", java.util.Arrays.toString(s1.getBytes()));
System.out.format("S2: %s\n", java.util.Arrays.toString(s2.getBytes()));
Uscita in byte:
S1: [77, 121,, 32
83, 97, 109, 112, 108, 101,, 32
83, 112, 97, 99, 101,, 32
68, 97, 116, 97]
S2: [77, 121,, -30, -128, -125
83, 97, 109, 112, 108, 101,, -30, -128, -125
83, 112, 97, 99, 101,, -30, -128, -125
68, 97, 116, 97]
Utilizzare il codice seguente per diversi spazi e i relativi codici byte: wiki for List_of_Unicode_characters
String spacing_entities = "very wide space,narrow space,regular space,invisible separator";
System.out.println("Space String :"+ spacing_entities);
byte[] byteArray =
// spacing_entities.getBytes( Charset.forName("UTF-8") );
// Charset.forName("UTF-8").encode( s2 ).array();
{-30, -128, -125, 44, -30, -128, -126, 44, 32, 44, -62, -96};
System.out.println("Bytes:"+ Arrays.toString( byteArray ) );
try {
System.out.format("Bytes to String[%S] \n ", new String(byteArray, "UTF-8"));
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
➩ Traslitterazioni ASCII della stringa Unicode per Java. unidecode
String initials = Unidecode.decode( s2 );
➩ utilizzando Guava
: Google Core Libraries for Java
.
String replaceFrom = CharMatcher.WHITESPACE.replaceFrom( s2, " " );
Per la codifica dell'URL per lo spazio utilizzare la guaiava di Guava.
String encodedString = UrlEscapers.urlFragmentEscaper().escape(inputString);
➩ Per superare questo problema usato String.replaceAll()
con alcuni RegularExpression
.
// \p{Z} or \p{Separator}: any kind of whitespace or invisible separator.
s2 = s2.replaceAll("\\p{Zs}", " ");
s2 = s2.replaceAll("[^\\p{ASCII}]", " ");
s2 = s2.replaceAll(" ", " ");
➩ Utilizzo di java.text.Normalizer.Form . Questo enum fornisce costanti dei quattro moduli di normalizzazione Unicode descritti nell'Allegato n. 15 Unicode Standard - Moduli di normalizzazione Unicode e due metodi per accedervi.
s2 = Normalizer.normalize(s2, Normalizer.Form.NFKC);
Test di stringhe e output su diversi approcci come ➩ Unidecode, Normalizer, StringUtils .
String strUni = "Tĥïŝ ĩš â fůňķŷ Šťŕĭńġ Æ,Ø,Ð,ß";
// This is a funky String AE,O,D,ss
String initials = Unidecode.decode( strUni );
// Following Produce this o/p: Tĥïŝ ĩš â fůňķŷ Šťŕĭńġ Æ,Ø,Ð,ß
String temp = Normalizer.normalize(strUni, Normalizer.Form.NFD);
Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
temp = pattern.matcher(temp).replaceAll("");
String input = org.apache.commons.lang3.StringUtils.stripAccents( strUni );
L'uso di Unidecode è il best choice
mio codice finale mostrato di seguito.
public static void main(String[] args) {
String s1 = "My Sample Space Data", s2 = "My Sample Space Data";
String initials = Unidecode.decode( s2 );
if( s1.equals(s2)) { //[ , ] %A0 - %2C - %20 « http://www.ascii-code.com/
System.out.println("Equal Unicode Strings");
} else if( s1.equals( initials ) ) {
System.out.println("Equal Non Unicode Strings");
} else {
System.out.println("Not Equal");
}
}