मैंने स्ट्रिंग्स समानता जांच से संबंधित एक ही मुद्दे का सामना किया है, तुलनात्मक स्ट्रिंग में से एक में
ASCII वर्ण कोड 128-255 है ।
यानी, नॉन-ब्रेकिंग स्पेस - [हेक्स - ए 0] स्पेस [हेक्स - 20]। HTML पर नॉन-ब्रेकिंग स्पेस दिखाने के लिए। मैंने निम्नलिखित का उपयोग किया है spacing entities
। उनका चरित्र और उसकी बाइट्स जैसी हैं&emsp is very wide space[ ]{-30, -128, -125}, &ensp is somewhat wide space[ ]{-30, -128, -126}, &thinsp is narrow space[ ]{32} , Non HTML Space {}
String s1 = "My Sample Space Data", s2 = "My Sample Space Data";
System.out.format("S1: %s\n", java.util.Arrays.toString(s1.getBytes()));
System.out.format("S2: %s\n", java.util.Arrays.toString(s2.getBytes()));
बाइट्स में आउटपुट:
S1: [77, 121, 32
83, 97, 97, 109, 112, 108, 101, 32
83, 112, 97, 97, 99, 101 32
, 68, 97, 116, 97]
S2: [77, 121 -30, -128, -125
, 83, 97, 109, 112, 108, 101, -30, -128, -125
83, 112, 97, 99, 101 -30, -128, -125
, 68, 97, 116, 97]
विभिन्न रिक्त स्थान और उनके बाइट-कोड के लिए नीचे दिए गए कोड का उपयोग करें: wiki for List_of_Unicode_characters
String spacing_entities = "very wide space,narrow space,regular space,invisible separator";
System.out.println("Space String :"+ spacing_entities);
byte[] byteArray =
// spacing_entities.getBytes( Charset.forName("UTF-8") );
// Charset.forName("UTF-8").encode( s2 ).array();
{-30, -128, -125, 44, -30, -128, -126, 44, 32, 44, -62, -96};
System.out.println("Bytes:"+ Arrays.toString( byteArray ) );
try {
System.out.format("Bytes to String[%S] \n ", new String(byteArray, "UTF-8"));
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
जावा के लिए यूनिकोड स्ट्रिंग का ➩ ASCII लिप्यंतरण। unidecode
String initials = Unidecode.decode( s2 );
➩ का उपयोग Guava
: Google कोर Libraries for Java
।
String replaceFrom = CharMatcher.WHITESPACE.replaceFrom( s2, " " );
स्थान के उपयोग के लिए URL एनकोड के लिए अमरूद का उपयोग करें।
String encodedString = UrlEscapers.urlFragmentEscaper().escape(inputString);
। String.replaceAll()
कुछ के साथ इस्तेमाल होने वाली इस समस्या को दूर करने के लिए RegularExpression
।
// \p{Z} or \p{Separator}: any kind of whitespace or invisible separator.
s2 = s2.replaceAll("\\p{Zs}", " ");
s2 = s2.replaceAll("[^\\p{ASCII}]", " ");
s2 = s2.replaceAll(" ", " ");
➩ का उपयोग java.text.Normalizer.Form । यह एनम चार यूनिकोड सामान्यीकरण रूपों के स्थिरांक प्रदान करता है जो यूनिकोड मानक अनुलग्नक # 15 में वर्णित हैं - यूनिकोड सामान्यीकरण फॉर्म और उन्हें एक्सेस करने के दो तरीके।
s2 = Normalizer.normalize(s2, Normalizer.Form.NFKC);
परीक्षण स्ट्रिंग और ➩ Unidecode, नॉर्मलाइज़र, की तरह अलग अलग दृष्टिकोण पर आउटपुट StringUtils ।
String strUni = "Tĥïŝ ĩš â fůňķŷ Šťŕĭńġ Æ,Ø,Ð,ß";
// This is a funky String AE,O,D,ss
String initials = Unidecode.decode( strUni );
// Following Produce this o/p: Tĥïŝ ĩš â fůňķŷ Šťŕĭńġ Æ,Ø,Ð,ß
String temp = Normalizer.normalize(strUni, Normalizer.Form.NFD);
Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
temp = pattern.matcher(temp).replaceAll("");
String input = org.apache.commons.lang3.StringUtils.stripAccents( strUni );
यूनीडबॉस का उपयोग करना है best choice
, मेरा अंतिम कोड नीचे दिखाया गया है।
public static void main(String[] args) {
String s1 = "My Sample Space Data", s2 = "My Sample Space Data";
String initials = Unidecode.decode( s2 );
if( s1.equals(s2)) { //[ , ] %A0 - %2C - %20 « http://www.ascii-code.com/
System.out.println("Equal Unicode Strings");
} else if( s1.equals( initials ) ) {
System.out.println("Equal Non Unicode Strings");
} else {
System.out.println("Not Equal");
}
}