java - 如何防止CR/LF？

Question

我正在使用 pdfbox 阅读 pdf，显然，至少在基于 Windows 的框架上，对于换行符，它使用 unicode，例如 。

我的问题是如何防止这个换行符连接到下面代码中的字符串？

tokenizer =new StringTokenizer(Text,"\\.");
while(tokenizer.hasMoreTokens())
{
    String x= tokenizer.nextToken();
    flag=0;
    for(final String s :x.split(" ")) {
       if(flag==1)
          break;
       if(Keyword.toLowerCase().equals(s.toLowerCase()) && !"".equals(s)) {
          sum+=x+"."; //here need first to check for "
&#10"
                      // before concatenating the String "x" to String "sum"
          flag=1;
       }
   }
}

Answer 1

分割时应该丢弃行分隔符；例如

for (final String s : x.split("\\s+")) {

这使得单词分隔符成为一个或多个空白字符。

(使用 trim() 并非在所有情况下都有效。假设 x 包含 "word\r\nword"。您不会在两个单词之间拆分，并且 s 在某个时刻将是 "word\r\nword"。然后 s.trim() 不会删除换行符，因为它们不在字符串的末尾。)

<小时/>

更新

我刚刚发现您实际上是附加 x 而不是 s。所以你还需要做这样的事情:

sum += x.replaceAll("\\s+", " ") + "."

这比你要求的要多一点。它将每个空白序列替换为单个空格。

<小时/>

顺便说一句，如果您使用 break 来跳出循环而不是乱用标志，您的代码会更简单、更高效。 (Java 有一个 boolean 类型……天啊!)

   if (Keyword.toLowerCase().equals(s.toLowerCase()) && !"".equals(s)) {
       sum += ....
       break;
   }