UTF-8编码中的特殊空格之C2 A0 -＞ NO-BREAK SPACE

异常数据追踪

最近发现数据库中的一个字段值数据异常的问题，业务场景中不允许这个字符串字段中出现空格，但是发现有部分数据依然有'空格'，反复验证过之后发现自己写的代码的的确确会把空格trim掉，反复调试后发现代码没有问题，但是什么情况使得这些数据逃过了业务代码的校验？

准备破案

难道我肉眼看到的'空格'，不是我们平常见到或者理解的'空格'？

带着这个疑问，我搜索了一下相关的问题，发现果不其然，很多人都遇到了C2 A0这个不可见字符，那么这个字符到底是什么呢？

打开UTF-8的编码表，https://www.utf8-chartable.de/unicode-utf8-table.pl?utf8=dec 找到对应的字符

首先明确C2 A0代表的编码序号是多少，很显然我们只需要将这个十六进制转为十进制，即C2=194 A0=160，这个在编码表中对应的是

U+00A0

194 160

NO-BREAK SPACE

而我们一般意义上将的空格的编码是32

U+0020

32

SPACE

那们我们通过代码来模拟一下上面两个字符

普通的空格 Unicode code point为U+0020即32

C2 A0空格 Unicode code point为U+00A0即160

找到原因之后，我们想办法把这种C2 A0空格给去除掉

源代码见下 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

package com.lingyejun.dating.chap11;   import java.nio.charset.StandardCharsets; import java.util.regex.Matcher; import java.util.regex.Pattern;   public class SpecialSpace {       public static void main(String[] args) {         String str1 = "lingyejun ";         byte[] str1Bytes = str1.getBytes();         String space = new String(str1Bytes, StandardCharsets.UTF_8);         System.out.println("带有32 Space的字符串:" + space);         System.out.println("使用trim去掉32 -> Space:" + space.trim());           byte[] str2Bytes = new byte[11];         System.arraycopy(str1Bytes, 0, str2Bytes, 0, str1Bytes.length);         str2Bytes[9] = (byte) 0xC2;         str2Bytes[10] = (byte) 0xA0;         String noBreakSpace = new String(str2Bytes, StandardCharsets.UTF_8);         System.out.println("带有C2 A0 -> NO-BREAK SPACE的字符串:" + noBreakSpace);         System.out.println("使用trim无法去掉C2 A0 -> NO-BREAK SPACE:" + noBreakSpace.trim());           // 32为我们平常谈论的Space空格 -> SPACE         byte[] bytes1 = new byte[]{(byte) 0x20};         String space1 = new String(bytes1, StandardCharsets.UTF_8);         System.out.println("UTF-8 字符编码号32 -> 0x1F 输出:" + space1);           // 0xC2=194 0xA0=160  -> NO-BREAK SPACE         byte[] bytes2 = new byte[]{(byte) 0xC2, (byte) 0xA0};         String space2 = new String(bytes2, StandardCharsets.UTF_8);         char[] chars3 = space2.toCharArray();         System.out.println("UTF-8 字符编码号194 -> 0xC2 160 -> 0xA0 输出:" + space2);           byte[] bytes3 = new byte[]{(byte) 0xC2, (byte) 0xA0};         String c2a0Space = new String(bytes3, StandardCharsets.UTF_8);         Pattern p = Pattern.compile(c2a0Space);         Matcher m = null;         m = p.matcher(noBreakSpace);         noBreakSpace = m.replaceAll("");         System.out.println("使用正则去掉C2 A0 -> NO-BREAK SPACE:" + noBreakSpace);     } }

　　

如果对您有帮助，请不要忘了给翎野君点赞。