Tag: unicode

如何正确地修剪Java中的string的空格？: JDK的String.trim（）方法非常幼稚，只能删除ascii控制字符。 Apache Commons的StringUtils.strip（）稍微好一些，但是使用了JDK的Character.isWhitespace（），它不会将非空白区域识别为空格。那么在Java中修饰string的最完整的，与Unicode兼容的，安全的和正确的方法是什么呢？顺便说一句，有一个更好的图书馆比commons-lang ，我应该用这种东西？

Unicode Regex; 无效的XML字符: 有效的XML字符列表是众所周知的，按照规范定义： #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] 我的问题是，如果不使用Unicode常规类别实际编码代码点，是否有可能为此（或其反转）生成PCRE正则expression式。除了不正确地覆盖了换行符和制表符以及其他一些无效字符之外，倒数可能是类似[\ p {Cc} \ p {Cs} \ p {Cn}]的东西。

Android WebView UTF-8未显示: 我有一个webview，并试图加载简单的UTF-8文本。 mWebView.loadData("將賦予他們的傳教工作標示為", "text/html", "UTF-8"); 但WebView显示ANSI / ASCII垃圾。显然是一个编码问题，但是我在告诉webview显示Unicode文本时丢失了什么？这是一个HelloWorld应用程序。

在我的JS代码中（零宽度空间）字符。他们从哪里来的？: 我正在使用NetBeans IDE 7.0.1开发Web应用程序的前端。最近我有一个非常讨厌的bug，我终于修好了。说我有代码 var element = '<input size="3" id="foo" name="elements[foo][0]" />'; $('#bar').append(element); 我注意到，当我看到该size属性在Chrome中不起作用时（在其他浏览器中未检查到），出现了问题。当我在Inspector中打开这个元素时，它被解释为类似的东西 <input id=""3"" name=""elements[foo][0]"" size=""foo"" /> 这很奇怪。在手动重新inputelementstring字符后，错误消失了。当我撤销这个改变时，我注意到Netbeans在我的旧代码中提醒了我一些Unicode字符。它是一个在每个'='之后的零宽度空间，在'] ['和string的结尾之间。所以string显示正常，因为零宽度空间不显示，但在逃脱他们后，我的string是 '<input size=\u200b"3" id=\u200b"foo" name=\u200b"elements[foo]\u200b[0]" />\u200b' 现在，我到底在哪里得到他们？我不知道我从哪里复制了element的代码，但它绝对是下列之一：具有HTML模板文件的Netbeans编辑器的其他窗格; Google Chrome Inspector，“以HTML格式复制”操作; 谷歌浏览器源代码页面（非常怀疑）。但是我不能用这两种方法来重现这个错误。我在Windows 7下使用Netbeans 7.0.1和Google Chrome 13.0。没有键盘切换器或类似的东西在运行。此外，我使用Git进行版本控制，但是我没有取出这些代码，所以Git是不太可能的。这不可能是我同事的一个愚蠢的笑话，因为他们很有礼貌。任何build议谁搞砸了我的代码？

从JavaScriptstring中删除零宽度的空格字符: 我把用户input（JS代码）和执行（处理）他们实时显示一些输出。有时代码有这些零宽度的空间，这真的很奇怪。我不知道用户是如何input的。例子 – “ ($".length === 3 我需要能够从JS中的代码中删除该字符。我该怎么做？或者也许还有一些其他方式来执行该JS代码，以便浏览器不考虑零宽度空格字符？

WebClient Unicode – 哪个UTF8？: 当我创build一个WebClient来使用一些RESTful xml时，我可以指定unicode编码的两种方法： WebClient wc = new WebClient (); wc.Encoding = Encoding.UTF8; wc.Encoding = UTF8Encoding.UTF8; 哪个是正确/更好？

如何用钻石操作符（<>）读取UTF-8？: 我想用Perl来读取UTF-8的input，不pipe它来自标准input还是来自文件，使用菱形运算符： while(<>){…} 。所以我的脚本应该像以前一样用这两种方法调用，给出相同的结果： ./script.pl utf8.txt cat utf8.txt | ./script.pl 但是输出不同！只有第二个调用（使用cat ）似乎按照devise工作，正确读取UTF-8。这是脚本： #!/usr/bin/perl -w binmode STDIN, ':utf8'; binmode STDOUT, ':utf8'; while(<>){ my @chars = split //, $_; print "$_\n" foreach(@chars); } 在两种情况下，我怎样才能正确读取UTF-8？如果可能的话，我想继续使用钻石操作符<>来阅读。编辑：我意识到我可能应该描述不同的输出。我的input文件包含这个序列： a\xCA\xA7b 。用cat正确输出的方法是： a \xCA\xA7 b 但另一种方法给了我这个： a \xC3\x8A \xC2\xA7 b

为什么一些网站的标题中有？utf8 =？: 我注意到很多网站在search或只是浏览时都会添加一个名为utf的getvariables，并将其设置为等于复选标记（ ?utf8=✓ ）。两个例子是： Dotabuff有它的searchurl。例如：dotabuff.com/search?utf8=&&q=PPD Bibme也有它的searchurl。例如：bibme.org/mla/website-citation/search?utf8=&&q=someurl.com

Javascriptparsing错误'\ u2028'的Unicode字符: 每当我在我的JavaScript源代码中使用\ u2028字符字面值时，将内容types设置为“text / html; charset = utf-8”，我得到一个javascriptparsing错误。例： <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"> <html lang="en"> <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8"> <title>json</title> <script type="text/javascript" charset="utf-8"> var string = ' '; </script> </head> <body> </body> </html> 如果省略<meta http-equiv> ，一切都按预期工作。我已经在Safari和Firefox上testing过了，都出现了同样的问题。任何想法，为什么发生这种情况，以及如何正确解决这个问题（不删除编码）？编辑：经过一番研究，具体的问题是使用JSONP返回问题字符。这是由浏览器，它读取u2028作为换行符，并引发一个string中的无效换行错误。

unicode（）。decode（'utf-8'，'ignore'）引发UnicodeEncodeError: 这里是代码： >>> z = u'\u2022'.decode('utf-8', 'ignore') Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib/python2.6/encodings/utf_8.py", line 16, in decode return codecs.utf_8_decode(input, errors, True) UnicodeEncodeError: 'latin-1' codec can't encode character u'\u2022' in position 0: ordinal not in range(256) 为什么我在使用.decode时引发UnicodeEncodeError？为什么我在使用“忽略”时出现错误？