Apache POI异常白space（已解决：\u00A0不破space）

Question

编辑：已解决的答案：是 00a0 不间断 space，而不是 c0a0 不间断 space。

在使用 Apache POI 将 docx 转换为纯文本，然后将纯文本读入 Java 并尝试对其进行解析后，我运行遇到了以下问题。

输出：

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

代码：

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()不去掉
String.replaceAll("\s" , "") 没有去掉它

我正在尝试解析一个巨大的材料文档，这变成了一个主要障碍。我不知道发生了什么或如何与之交互，任何人都可以阐明这里发生的事情吗？

Answer 1

这转换为具有十六进制代码 c2 a0 的字节，根据 this answer 是 UTF-8 编码的不间断 space。请注意，这不是真正的 space 并且 \s 不会匹配它。

Answer 2

这对我有用：

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

Apache POI异常白space（已解决：\u00A0不破space）

Apache POI Anomalous Whitespace (Resolved: \u00A0 non-breaking space)

java

apache-poi