Java：读取文件时跳过 Unicode 字符

Question

我正在使用以下代码读取文本文件，try (BufferedReader br = new BufferedReader(new FileReader(<file.txt>))) {   for (String line; (line = br.readLine()) != null;) {      //I want to skip a line with unicode character and continue next line      if(line.toLowerCase().startsWith("\\u")){            continue;         //This is not working because i get the character itself and not the text         }    }}文本文件：如何在读取文件时跳过所有 unicode 字符？

Answer 1

String 中的所有字符都是 Unicode。字符串是 UTF-16 代码单元的计数序列。通过“Unicode”，您必须表示不在某些未指定的其他字符集中。为了争论，让我们说ASCII。

正则表达式有时可以是模式要求的最简单表达式：

if (!line.matches("\\p{ASCII}*")) continue;

也就是说，如果该字符串不只包含任何数字，包括 0，（就是这个意思*）“ASCII”字符，则继续。

（String.matches查找整个字符串的匹配项，因此实际的正则表达式模式是^\p{ASCII}*$。）

Answer 2

这样的事情可能会让你继续：

for (char c : line.toCharArray()) {

    if (Character.UnicodeBlock.of(c) == Character.UnicodeBlock.BASIC_LATIN) {

        // do something with this character

    }

}

您可以以此为起点来丢弃每个非基本字符，或者丢弃包含单个非基本字符的整行。

Answer 3

您可以跳过所有包含非 ASCII 字符的行：

if(Charset.forName("US-ASCII").newEncoder().canEncode(line)){ 
   continue; 
}