java - 拆分UTF-8字符串的正确方法

Question

我想拆分一个 utf-8 字符串。

我尝试了 StringTokenizer 但它失败了。

标题应为“0”，但显示为“عُدي_صدّام_حُسين”。

    String test = "en.m عُدي_صدّام_حُسين 1 0";

    StringTokenizer stringTokenizer = new StringTokenizer(test);
    String code = stringTokenizer.nextToken();
    String title = stringTokenizer.nextToken();

拆分 utf-8 字符串的正确方法是什么？

Answer 1

这里的问题是阿拉伯语文本不在字符串的“末尾”。

例如，如果我选择字符串文字的内容(在 Chrome 中)，将鼠标从左向右移动，它首先选择 en.m，然后选择所有阿拉伯语文本，然后是 0 1。文本只是看起来“在末尾”，因为这就是它的呈现方式。

在您的 Java 源代码中指定的字符串实际上确实具有 عُدي_صدّام_حُسين 作为第二个标记。所以，您正确地拆分了它，只是没有拆分您认为正在拆分的内容。