Java中含特殊字符的字符串片段移除异常问题排查与解决

核心原因 #

出现这种情况的大概率是以下两种情况之一：

• 字符不匹配：你看到的字符串中的#并非普通的ASCII半角井号（U+0023），而是全角井号（U+FF03）或者其他Unicode相似字符。这时候用普通的"#"去调用indexOf或replace自然找不到匹配项。
• 字符串被篡改：在stripComments方法调用cleaned时，传入的main参数已经不是原始字符串——可能被其他逻辑做了转义、截断、替换等操作，导致#被移除或转义成了其他形式（比如变成\#）。

验证方法 #

先确认字符串中目标字符的真实编码，在代码里加一段调试逻辑：

// 遍历字符串，打印每个字符的Unicode编码
for (int i = 0; i < main.length(); i++) {
    char c = main.charAt(i);
    System.out.printf("索引%d: 字符[%c] 编码[%d]%n", i, c, (int)c);
}

如果看到类似索引x: 字符[＃] 编码[65283]，说明是全角井号；如果是索引x: 字符[\] 编码[92]后面跟着索引x+1: 字符[#] 编码[35]，说明是转义后的\#。

解决方案 #

情况1：字符是全角或其他变体 #

直接用对应的字符替换目标子串，或者用正则匹配所有井号变体：

// 方案1：直接用全角井号匹配目标子串
private static String cleaned(String main, String substring) {
    // 如果原始子串是全角#，就替换成"＃ and bananas"
    return main.replace("＃ and bananas", "");
}

// 方案2：用正则匹配所有井号变体，移除从井号到换行前的内容（更通用）
private static String cleaned(String main) {
    // 匹配所有#/＃，移除到该行末尾的内容
    return main.replaceAll("[#＃].*?(?=\\n|$)", "");
}

情况2：字符串被转义 #

如果是转义导致的\#，需要匹配转义后的字符：

private static String cleaned(String main, String substring) {
    // 转义后的#需要用双反斜杠匹配
    return main.replace("\\# and bananas", "");
}

情况3：确认stripComments的参数传递 #

检查stripComments方法的逻辑，确保传入cleaned的main参数就是原始字符串，没有被提前做过trim()、substring()或其他修改操作。比如：

// 错误示例：提前截断了字符串
public static String stripComments(String input) {
    // 这里如果做了不必要的截断，会导致#被排除
    String truncated = input.substring(0, 10);
    return cleaned(truncated, "# and bananas");
}

// 正确示例：直接传递原始字符串
public static String stripComments(String input) {
    return cleaned(input, "# and bananas");
}

内容的提问来源于stack exchange，提问作者Amos Machora