java - 在Java中将文件读取到字符串会导致不可见字符

Question

我在 Java 中从文本文件读入字符串时遇到问题。我有一个文本文件(在 Eclipse 中创建，如果这很重要的话)，其中包含少量文本——大约 98 个字符。通过多种方法将该文件读取到字符串会导致字符串相当长—— 1621 个字符。除了相关的 98 之外的所有内容在调试器/控制台中都是不可见的。

我尝试了以下方法来加载字符串:

apache commons-io:

FileUtils.readFileToString(new File(path));

FileUtils.readFileToString(new File(path), "UTF-8");

byte[] b = FileUtils.readFileToByteArray(new File(path);
new String(b, "UTF-8");

byte[] b = FileUtils.readFileToByteArray(new File(path);
Charset.defaultCharset().decode(ByteBuffer.wrap(bytes)).toString();

蔚来:

new String(Files.readAllBytes(path);

等等。

有没有办法去掉这些控制字符？有没有办法将文件读取为字符串而不会出现此问题？

<小时/>

正如下面的评论中所指出的，此行为是由于 Eclipse 生成的损坏的(？)文件造成的。不过，我仍然有兴趣听到任何从字符串中删除控制字符的策略!

Answer 1

如果您想删除所有不可打印的字符，请尝试此操作

str = str.replaceAll("[^\\p{Graph}\n\r\t ]", "");

正则表达式匹配所有“不可见”字符，除了我们想要保留的字符；在本例中为换行符、制表符和空格。

\p{Graph} 是 POSIX character class对于所有可打印/可见字符。要否定 POSIX 字符类，我们可以使用大写 P，即 P{Graph} (所有不可打印/不可见字符)，但是我们不需要排除换行符等，所以我们需要 [^\\p{Graph}\n\r\t] 。