我有一个正在验证的表格（支柱1），在验证过程中，我被要求删除MS Word的卷曲单引号和双引号。看起来像是一个简单的请求，我正在把头发剪掉。
我的测试文字是’ “ ”。
首先，我发现当我在调试器中运行代码并查看IntelliJ认为值是什么时，它显示â\u0080\u0099 â\u0080\u009C â\u0080\u009D，并且似乎â\u0080是非打印字符。
我使用了一段代码，该代码遍历字段中文本的StringBuilder并测试文本中的每个字符。它替换或删除一些字符，如下所示：
switch (origCharAsInt) {
case ((int)'\u00C2'): sbOriginal.deleteCharAt(isb); break; // weird Word A with the caret over it
case ((int)'\u00C3'): sbOriginal.deleteCharAt(isb); break; // weird Word A with the tilde over it
case ((int)'\u00E2'): sbOriginal.deleteCharAt(isb); break; // weird Word a with the caret over it
case ((int)'\u0099'): sbOriginal.setCharAt(isb, '\''); break; // Word single quote
case ((int)'\u009C'): sbOriginal.setCharAt(isb, '"'); break; // Word left double quote
case ((int)'\u009D'): sbOriginal.setCharAt(isb, '"'); break; // Word right double quote
case ((int)'\u2018'): sbOriginal.setCharAt(isb, '\''); break; // left single quote
case ((int)'\u2019'): sbOriginal.setCharAt(isb, '\''); break; // right single quote
case ((int)'\u201A'): sbOriginal.setCharAt(isb, '\''); break; // lower quotation mark
case ((int)'\u201C'): sbOriginal.setCharAt(isb, '"'); break; // left double quote
case ((int)'\u201D'): sbOriginal.setCharAt(isb, '"'); break; // right double quote
case ((int)'\u201E'): sbOriginal.setCharAt(isb, '"'); break; // double low quotation mark
case ((int)'\u2039'): sbOriginal.setCharAt(isb, '\''); break; // Single Left-Pointing Quotation Mark
case ((int)'\u203A'): sbOriginal.setCharAt(isb, '\''); break; // Single right-Pointing Quotation Mark
default: break;
}
这似乎行得通，因为它替代了一些更糟糕的文件，现在该表单似乎包含
' " "。但是，如果我再次保存，则IntelliJ会认为该字段包含Â\u0080 Â\u0080\" Â\u0080\"。因此，我添加了一些其他案例来删除那些字符。但是我对
\u0080字符的持久性感到困惑。我尝试添加其他几种情况以尝试将其删除，但它们不起作用。
case ((int)'\u0080'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0082'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0083'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0000'): sbOriginal.deleteCharAt(isb); break; // why are these weird symbols showing up?
任何帮助/解释将不胜感激。
最佳答案
您需要正确地转义HTML。 Unicode不是这里的答案。 This link是你的果酱。