Java 去除utf-8類型的空格的方法

問題產生

   最近遇到一個這樣的問題，在生成的報文中，某個字段信息后面有一個空格，在代碼中trim()下，它仍然存在。到底什么原因呢？

問題的根源

　　經過多番查證，是由於utf-8中的特俗字符造成的。

　　問題的根源，在於UTF-8這種編碼里面，存在一個特殊的字符，其編碼是“0xC2 0xA0”，轉換成字符的時候，表現為一個空格，跟一般的半角空格（ASCII 0x20）一樣，唯一的不同是它的寬度不會被壓縮，因此比較多的被用於網頁排版（如首行縮進之類）。而其他的編碼方式如GB2312、Unicode之類並沒有這樣的字符，因此如果簡單地進行編碼轉換，生成地GB2312/Unocode字符串中，這個字符就會被替換成為問號（ASCII ox3F）。

　　使用UTF-8進行HTMLDecode的時候，對於語句開頭的（ ），就會被自動轉換成為這個特殊的空格，可能是判斷為放在開頭的空格，一定是用來排版的。在轉換為其他編碼之前，這個特殊的空格受到的待遇與普通的半角空格是一致的，甚至也會被trim()去掉。

      因此，碰到這個問題的原因有兩種：一種是在UTF-8編碼下進行了轉換，產生了這個字符；還有一種就是網頁中直接采用了這個字符進行排版。

問題解決之法

C#代碼如下：


       byte[] space = new byte[]{0xc2,0xa0};      
　　　　string UTFSpace = Encoding.GetEncoding("UTF-8").GetString(space);      
　　　　HtmlStr = HtmlStr.Replace(UTFSpace," ");

Java版：
         byte bytes[] = {(byte) 0xC2,(byte) 0xA0};
         String UTFSpace = new String(bytes,"utf-8");
         html = html.replaceAll(UTFSpace, " ");

注意：  需要強調的是，替換之前不能進行編碼轉換，一定要繼續使用UTF-8編碼。如果已經轉換成其他編碼，那么錯誤就已經不可逆轉了。沒有辦法再區分這個錯誤的問號和正常的問號之間的差別了。