JAVA- Integer.parseInt( str ) 给出 NumberFormatException，输入是代表整数的 str

Question

更新 - chardetect认为 srt 文件被编码为 UTF-8，置信度分数为 1.0。我一直在阅读文件: Files.readAllLines 设置将其解释为 utf-8。在其他人的帮助下，我确定单个数字字符串的长度实际上是 2...现在的技巧是找出这个额外字符的来源。以下是十六进制转储的摘录:

00000000: efbb bf31 0d0a 3030 3a30 303a 3034 2c35  ...1..00:00:04,5
00000010: 3031 202d 2d3e 2030 303a 3030 3a30 362c  01 --> 00:00:06,
00000020: 3439 300d 0ae3 8199 e381 9fe3 8198 e381  490.............
00000030: 8ae3 8198 e381 b6e3 828a e381 95e3 818f  ................
00000040: e381 b2e3 8293 0d0a 2d20 4c75 7069 6e20  ........- Lupin 
00000050: 3230 3033 2070 7265 7365 6e74 7320 2d0d  2003 presents -.
00000060: 0a0d 0a32 0d0a 3030 3a30 303a 3036 2c35  ...2..00:00:06,5
00000070: 3030 202d 2d3e 2030 303a 3030 3a30 382c  00 --> 00:00:08,
00000080: 3032 340d 0a41 2053 7475 6469 6f20 4768  024..A Studio Gh
00000090: 6962 6c69 2046 696c 6d0d 0a0d 0a33 0d0a  ibli Film....3..
000000a0: 3030 3a30 303a 3133 2c30 3437 202d 2d3e  00:00:13,047 -->
000000b0: 2030 303a 3030 3a31 352c 3132 360d 0a3c   00:00:15,126..<
000000c0: 666f 6e74 2063 6f6c 6f72 3d22 2338 3838  font color="#888
000000d0: 3838 3822 3ee3 81a1 e381 b2e3 828d e380  888">...........
000000e0: 80e3 8192 e382 93e3 818d e381 a7e3 81ad  ................
000000f0: e380 82e3 8080 e381 bee3 819f e380 80e3  ................
00000100: 8182 e381 8ae3 8186 e381 ade3 8080 e382  ................

<小时/>

原始问题:

我正在使用 java.nio.file.Files.readAllLines() 读取 .srt 文件.

在 .srt 文件中，每个字幕都有一个数轴 - 一个索引字幕的整数。捕获后，这一行是一个字符串。当我使用Integer.parsint( numberLineString )时，我明白

java.lang.NumberFormatException

我已尽力解决此问题，方法是:

• 定位到一个非常具体的字幕，因此我知道这不是由某些错误的字幕引起的，该字幕可能包含包含非数字字符的错误索引。

• 从索引号中删除任何潜在的\n 或\r

• 打印传递给 Integer.parsint() 的变量验证它确实是索引字符串，代表一个整数。

正如你所看到的，抛出的异常甚至承认它抛出了输入字符串“1”的异常

Exception in thread "main" java.lang.NumberFormatException: For input string: "1"
    at java.base/java.lang.NumberFormatException.forInputString(NumberFormatException.java:68)
    at java.base/java.lang.Integer.parseInt(Integer.java:658)
    at java.base/java.lang.Integer.parseInt(Integer.java:776)
    at japanese.engine.kana.JPSubsParser.parseTitles(JPSubsParser.java:218)
    at japanese.engine.kana.srtManager.main(srtManager.java:25)

我不知所措 - 任何帮助将不胜感激。

以下是正在读取的文件的摘录:

1
00:00:04,501 --> 00:00:06,490
すたじおじぶりさくひん
- Lupin 2003 presents -

2
00:00:06,500 --> 00:00:08,024
A Studio Ghibli Film

3
00:00:13,047 --> 00:00:15,126
<font color="#888888">ちひろ　げんきでね。　また　あおうね　りさ</font>
<font color="#8888FF">Good Luck, Chihiro. We'll meet again</font>

下面是相关的Java代码:

    public int parseTitles( Map<String, ArrayList<String>> subsMap ) {
        /* Setup, get iterator for the Map
         * Instantiate a charMatch object for checking for the various characters */
        Iterator<String> keyIter = subsMap.keySet().iterator(); 
        JPcharMatch charMatch = new JPcharMatch();

        // Loop through the map 
        int tempCounter = 0;
        while (keyIter.hasNext() && tempCounter == 0) {

            //get the current title
            ArrayList<String> titleLines = subsMap.get(keyIter.next());

            String trimmedLine0 = titleLines.get(0).replace("\n", "").replace("\r", "").replace("\"", "");

            int indexLineInt = Integer.parseInt( trimmedLine0 );

public class srtManager {


    public static void main( String[] args ) {

        Path subsFilePath = Paths.get("/Volumes/Multimedia/Coding/experimenting_srts/Sen to Chihiro Kanji+Hir+Eng.srt");

        SubsFileDAO subsFileDAO = new SubsFileDAO(subsFilePath);
        List<String> fileLines = subsFileDAO.getLinesList();

        JPSubsParser parser = new JPSubsParser( fileLines );

        Map<String, ArrayList<String>> subsMap = parser.getSubsMap();

        // TODO analyze to detect kanji lines and store.
        parser.parseTitles(subsMap);


    }
}

Answer 1

您正在尝试解释 BOM在文件开头作为数字。

您可以在解析之前手动将其删除:

String BOM = new String(new byte[] { (byte) 0xef, (byte) 0xbb, (byte) 0xbf});

int indexLineInt = Integer.parseInt( trimmedLine0.replaceAll(BOM, ""));

或者，还有类似 BOMInputStream 的解决方案这将从提供​​的输入流中透明地删除 BOM