如何防止CR/LF？

Question

我正在使用pdfbox从pdf中读取数据，显然，至少在基于Windows的框架中，对于中断行，它使用unicode作为
&#10。

我的问题是，如何防止这个破行字符连接到下面代码中的字符串？

tokenizer =new StringTokenizer(Text,"\\.");
while(tokenizer.hasMoreTokens())
{
    String x= tokenizer.nextToken();
    flag=0;
    for(final String s :x.split(" ")) {
       if(flag==1)
          break;
       if(Keyword.toLowerCase().equals(s.toLowerCase()) && !"".equals(s)) {
          sum+=x+"."; //here need first to check for "
&#10"
                      // before concatenating the String "x" to String "sum"
          flag=1;
       }
   }
}

Answer 1

当你分开时，你应该丢弃分隔线。

for (final String s : x.split("\\s+")) {

这使单词分隔符成为一个或多个空白字符。

(使用trim()并不能在所有情况下都起作用。假设x包含"word\r\nword"。您不会在这两个单词之间分开，s在某个时候将是"word\r\nword"。那么s.trim()将不会删除换行字符，因为它们不在字符串的末尾。)

更新

我刚刚发现您实际上是在追加x而不是s。所以你也需要做这样的事情：

sum += x.replaceAll("\\s+", " ") + "."

这比你要求的要多一点。它用一个空格替换每个空格序列。

顺便说一句，如果您使用break来脱离循环而不是乱动一个标志，那么您的代码就会更简单、更高效。(而且Java有一个boolean类型..。看在上帝的份上！

   if (Keyword.toLowerCase().equals(s.toLowerCase()) && !"".equals(s)) {
       sum += ....
       break;
   }

Answer 2

您确定要在这里添加x吗？

if(Keyword.toLowerCase().equals(s.toLowerCase()) && !"".equals(s)) {
    sum+=x+"."; //here need first to check for "
&#10"
                // before concatenating the String "x" to String "sum"
    flag=1;
}

你不想要s吗

    sum += s + ".";

更新

哦，我明白了。所以你真正想要的是：

tokenizer = new StringTokenizer(Text,"\\.");
Pattern KEYWORD = Pattern.compile("\\b"+Keyword+"\\b", Pattern.CASE_INSENSITIVE);
StringBuilder sb = new StringBuilder(sum);
while(tokenizer.hasMoreTokens())
{
    String x = tokenizer.nextToken();
    if (KEYWORD.matcher(x).find()) {
        sb.append(x.replaceAll("\\s+", " ")).append('.');
    }
}
sum = sb.toString();

(假设关键字以字母开头和结尾，并且本身不包含任何RegEx代码)