Selenium字符串比对失败 特殊破折号编码问题无法解决

问题根因 #

该问题是典型的字符编码解码不匹配导致：UI中的长破折号「—」为Unicode U+2014字符，UTF-8编码对应三个字节0xE2 0x80 0x94，当这三个字节被错误按照单字节编码ISO-8859-1解码时，就会呈现为—的乱码。
之前两种方案无效的原因：

• replaceAll("â€", "-")仅替换了乱码的部分字符，未覆盖完整的乱码序列
• new String(subject.getBytes("UTF-8"), "UTF-8")属于同编码重复转换，没有解决原始解码错误的问题
  控制台打印乱码是本地IDE控制台默认编码未设置为UTF-8导致，不影响代码内字符串的实际值处理。

可行解决方案（均无需正则） #

方案1：标准库原生编码修正 #

直接将错误解码的字符串按原错误编码转回字节数组，再用UTF-8重新解码即可还原正确字符串：

String correctedText = new String(rawText.getBytes("ISO-8859-1"), "UTF-8");

方案2：基于Apache Commons Lang3统一标点格式 #

如果仅需保证内容比对一致，可统一将特殊长破折号替换为普通短横线，无需处理编码，调用StringUtils.replace（非正则实现）完成替换：

import org.apache.commons.lang3.StringUtils;

// 统一实际值和预期值的标点格式
String actual = StringUtils.replace(rawText, "—", "-");
String expected = StringUtils.replace(expectedValue, "—", "-");

原有代码修改示例 #

if(loc.contains("Canada")) {
    String rawActual = somelocator.getText().trim();
    // 采用方案1修正编码后断言
    String correctedActual = new String(rawActual.getBytes("ISO-8859-1"), "UTF-8");
    Assert.assertEquals(correctedActual, ExpectedValue);
}

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