與轉義字符硬時間

我需要從一個字符串去掉一些無效字符，寫了StringUtil庫下面的代碼部分：與轉義字符硬時間

public static String removeBlockedCharacters(String data) { 
    if (data==null) { 
     return data; 
    } 
    return data.replaceAll("(?i)[<|>|\u003C|\u003E]", ""); 
}

我有某行的測試文件illegalCharacter.txt它：

hello \u003c here <and> there

我運行下面的單元測試：

@Test 
public void testBlockedCharactersRemoval() throws IOException{ 
    checkEquals(StringUtil.removeBlockedCharacters("a <b> c\u003e\u003E\u003c\u003C"), "a b c"); 
    log.info("Procesing from string directly: " + StringUtil.removeBlockedCharacters("hello \u003c here <and> there")); 
    log.info("Procesing from file to string: " + StringUtil.removeBlockedCharacters(FileUtils.readFileToString(new File("src/test/resources/illegalCharacters.txt")))); 
}

我得到：

INFO - 2010-09-14 13:37:36,111 - TestStringUtil.testBlockedCharactersRemoval(36) | Procesing from string directly: hello here and there 
INFO - 2010-09-14 13:37:36,126 - TestStringUtil.testBlockedCharactersRemoval(37) | Procesing from file to string: hello \u003c here and there

我很困惑：你可以看到，代碼正確地剝離該「<」，「>」和「\ u003c」如果我通過包含這些值的字符串，但它未能剝離出'\ u003c'如果我從包含相同字符串的文件讀取。

我的問題，讓我停止頭髮失去了它，主要有：

爲什麼我得到這個行爲？
如何在任何場合更改我的代碼以適當地去除\ u003c？

感謝

來源

2010-09-14 double07

當您編譯源文件，這種情況發生的第一件事 - 任何詞法或對其進行解析之前 - 就是Unicode轉義，\u003C和\u003E，轉換爲實際字符，<和>。所以，你的代碼是真的：

return data.replaceAll("(?i)[<|>|<|>]", "");

當你編譯針對字符串文字測試的代碼，同樣的事情發生;您寫的測試字符串爲：

"a <b> c\u003e\u003E\u003c\u003C"

...是真的：

"a <b> c>><<"

但是，當您從文件中讀取測試字符串時，不會發生此類轉換;您最終試圖將六個字符的序列\u003c與單個字符<相匹配。如果你真的想匹配\u003C和\u003E，你的代碼應該是這樣的：

return data.replaceAll("(?i)(?:<|>|\\\\u003C|\\\\u003E)", "");

如果使用一個反斜槓，Java編譯器將其解釋爲Unicode轉義並將其轉換爲<或>。
如果使用反斜槓，該正則表達式編譯器將其解釋爲Unicode轉義，認爲要比賽一個<或>。
如果使用3個反斜槓，Java編譯器把它變成\<或\>，正則表達式編譯器會忽略反斜槓，它試圖匹配<或>。
所以，以匹配原始的Unicode轉義序列，你必須使用反斜槓以匹配轉義序列一個反斜槓。

請注意，我也更改了括號。 [<|>]是與<,|或>匹配的character class;你想要的是一個alternation。

來源

2010-09-14 18:54:20

謝謝大家：解釋，捕捉我對括號的錯誤，並提供我正在尋找的修復。 – double07 2010-09-15 15:59:05

你好\ u003c這裏<和>有

在ASCII文件不會做的\u003c，你需要把實際的Unicode字符在Unicode編碼的文本文件。

來源

2010-09-14 18:02:54

在我看來，問題不在於你的逃跑，但事實上，你有unicode數據，你試圖解析。

您是否嘗試過使用readFileToString的兩個參數版本，用readFileToString(File, Encoding)替換您的readFileToString(File)調用？

資源

FileUtils

來源

2010-09-14 18:03:09 zigdon

與轉義字符硬時間

回答

相關問題