java.util.Scanner 中的错误

Question

java.util.Scanner 无法处理文件内容中的不间断 space，这很奇怪。

这是输入文本，将其放入名为 asdf.txt:

的文件中

lines lines lines
asdf jkl
lines lines lines

在asdf和jkl之间是一个不间断的space。具体来说：

echo "asdf jkl" | od -c
0000000   a   s   d   f 302 240   j   k   l  \n
0000012

你可以copy/paste在这里看到它：http://www.fontspace.com/unicode/analyzer/

违规字符也被称为：302 240、U+00A0、 、 、 、%C2%A0

代码：

import java.util.*;
import java.io.*;
public class Main{
    public static void main(String args[]){
        Scanner r = null;
        try{
            File f = new File("/home2/ericlesc/testfile/asdf.txt");
            r = new Scanner(f);
            while(r.hasNextLine()){
                String line = r.nextLine();
                System.out.println("line is: " + line);
            }   
            System.out.println("done");
        }   
        catch(Exception e){ 
            e.printStackTrace();
        }   
    }   
}

java.util.Scanner 吐了这个内容。令人惊讶的是，它不会抛出异常 "can't process this character"。它不会停在有问题的行上，扫描仪会在有问题的字符之前吐出大约 30 个字符。

也许有关于如何使用 java.util.Scanner 阅读非中断 space 而不会呕吐的已知文档？

为什么 java.util.Scanner 无法处理非中断 space？我怎样才能让它正常处理？

Answer 1

除非您另有说明，否则扫描程序会采用系统的默认字符集。我不确定其他操作系统，但在 Windows 上，出于兼容性原因，这是 ISO 8859 字符集之一。

幸运的是，您可以通过使用 this one.

等 2 个参数构造函数之一来告诉 Scanner 您希望它使用什么 CharSet

Answer 2

在 powerlord 的帮助下，我能够使用此代码生成所需的输出：

import java.util.*;
import java.io.*;
public class Main{
    public static void main(String args[]){
        Scanner r = null;
        try{
            File f = new File("/home2/ericlesc/testfile/asdf.txt");
            r = new Scanner(f, "ISO-8859-1");
            while(r.hasNextLine()){
                String line = r.nextLine();
                System.out.println("line is: " + line);
            }   
            System.out.println("done");
        }   
        catch(Exception e){ 
            e.printStackTrace();
        }   
    }   
}

程序打印：

javac Main.java && java Main

line is: lines lines lines
line is: asdf jkl
line is: lines lines lines

您必须指定用于对字符进行编码的相同字符集，否则扫描器在遇到它不理解的字符时会出现未定义的行为。

java.util.Scanner 中的错误

A bug in java.util.Scanner

java

unicode

java.util.scanner