string.replaceAll切断文字時間の50％

Question

一連のstring.replaceAllsを使用して、ASCIIコード& HTMLエンコーディングのテキストファイル内のすべてのUTF-8特殊文字を交換しようとしています。途中で私は特に頑固なものを打った：\ uAC8B、UTF - 8 middot。

ここでは、文字、半分の時間を切り出すラインです：

string_out = string_out.replaceAll("•", "·"); 

は（「¬ïは」UTF-8＆middotがどのようである;拡張ASCIIとして表示されます。この行につまずく前に、私は」。 dは "\ uAC8B"と他の多くのエンコーディングを成功させようとしました）。

この行はUTF-8 middotを切り捨て、置き換えず、半分の時間しかかかりません。残りの半分はキャラクターを逃し、それをそのまま残す。私が複数のコピーを作ったり、他の行を動かしたりしても、それはしません。

これはマルチスレッドの問題のように感じますが、私はマルチスレッドが進行中であることに気づいていません。他の.jspから実行されるインクルードされた.jspファイル内のreplaceAllのブロック。

この競合状態のような動作を引き起こす原因は何ですか？

Answer 1

AC8Bはドットではありません。中国語です。 00B7を意味しましたか？

Java文字列は、常にUTF-16 Unicodeです。 UTF-8はファイル内のUnicode文字を表現する方法であり、Java文字列がメモリに格納される方法ではありません。

入力の読み取りと出力ファイルの書き込みに使用されるエンコーディングに注意してください。これらはUTF-8である必要がありますが、ファイルの内容がJava文字列に読み込まれるとUTF- 16ビットUnicodeです。

私はUTF-8生のバイトをASCIIとして表現しようとせず、正しいUnicodeエスケープを使用していると思います。