java - 逃避角色的艰难时光

Question

我需要从字符串中去除一些无效字符，并编写了 StringUtil 库的以下代码部分:

public static String removeBlockedCharacters(String data) {
    if (data==null) {
      return data;
    }
    return data.replaceAll("(?i)[<|>|\u003C|\u003E]", "");
}

我有一个测试文件 illegalCharacter.txt，里面有一行:

hello \u003c here < and > there

我运行以下单元测试:

@Test
public void testBlockedCharactersRemoval() throws IOException{
    checkEquals(StringUtil.removeBlockedCharacters("a < b > c\u003e\u003E\u003c\u003C"), "a  b  c");
    log.info("Procesing from string directly: " + StringUtil.removeBlockedCharacters("hello \u003c here < and > there"));
    log.info("Procesing from file to string:  " + StringUtil.removeBlockedCharacters(FileUtils.readFileToString(new File("src/test/resources/illegalCharacters.txt"))));
}

我得到:

INFO - 2010-09-14 13:37:36,111 - TestStringUtil.testBlockedCharactersRemoval(36) | Procesing from string directly: hello  here  and  there
INFO - 2010-09-14 13:37:36,126 - TestStringUtil.testBlockedCharactersRemoval(37) | Procesing from file to string:  hello \u003c here  and  there

我很困惑:如您所见，如果我传递包含这些值的字符串但代码未能去除“\u003c”，则代码会正确去除“<”、“>”和“\u003c”如果我从包含相同字符串的文件中读取。

我的问题是:

1. 为什么我会出现这种行为？
2. 如何更改我的代码以在所有情况下都正确地删除\u003c？

谢谢

Answer 1

hello \u003c here < and > there

ASCII 文件中的 \u003c 不会这样做，您需要将实际的 Unicode 字符放入 Unicode 编码的文本文件中。