Unidentified Leerzeichen in Java

Question

Auf einigen HTML von einer Webseite zu extrahieren, ich habe einige Elemente Text enthält, die in einer unbekannten oder nicht-passenden Leerzeichen enden (dh stimmt nicht überein „\\ s“):

<span>Monday </span> 

in Java, zu überprüfen, was dieses Zeichen ist, ich tue:

String s = getTheSpanContent(); 
char c = s.charAt(s.length() -1); 
int i = (int) c; 

und der Wert von i: 160

Wer weiß, was das ist? Und wie kann ich dazu passen?

Dank

Answer 1

Es ist ein non-breaking space. Nach der Pattern Javadocs, \\s entspricht [ \t\n\x0B\f\r], so müssen Sie explizit \xA0 zu Ihrem Regex hinzufügen, wenn Sie es übereinstimmen möchten.

Answer 2

Die \u00A0 ist, auch als non-breaking Raum bekannt. Wenn Sie HTML kennen, werden Sie verstehen, dass es sich um denselben Raum handelt, der von   repräsentiert wird. Anscheinend benutzte man es anstelle eines normalen Raums.

Answer 3

Versuchen Sie, diese mit Leerzeichen übereinstimmen

Character.isSpaceChar(c) || c <= ' '; 

Answer 4

ich diese Tabelle einmal gemacht Sie einige der verschiedenen Definitionen von Leerzeichen in Java verwendet zu zeigen. Es ist ziemlich faszinierend (wenn du so komisch bist wie ich).

http://spreadsheets.google.com/pub?key=pd8dAQyHbdewRsnE5x5GzKQ

übrigens verfolgt Guava der CharMatcher.WHITESPACE den neuesten Unicode 5.x Standard und ist somit oft eine bessere Wahl als JDK Methoden.

http://guava-libraries.googlecode.com