Java中的特殊字符

我有一个表单（struts 1）正在验证中，在验证过程中，我被要求删除MS Word的卷曲单引号和双引号。这似乎是一个很简单的要求，我为此感到非常恼火

我的测试文本是

“

首先，我发现，当我在调试器中运行代码并观察IntelliJ认为值是什么时，它会显示

我使用了一段代码，在字段中的文本的StringBuilder上进行迭代，并测试文本中的每个字符。它替换或删除一些字符，如下所示：

switch (origCharAsInt) {

    case ((int)'\u00C2'): sbOriginal.deleteCharAt(isb); break; // weird Word A with the caret over it
    case ((int)'\u00C3'): sbOriginal.deleteCharAt(isb); break; // weird Word A with the tilde over it
    case ((int)'\u00E2'): sbOriginal.deleteCharAt(isb); break; // weird Word a with the caret over it

    case ((int)'\u0099'): sbOriginal.setCharAt(isb, '\''); break; // Word single quote
    case ((int)'\u009C'): sbOriginal.setCharAt(isb, '"'); break; // Word left double quote
    case ((int)'\u009D'): sbOriginal.setCharAt(isb, '"'); break; // Word right double quote

    case ((int)'\u2018'):  sbOriginal.setCharAt(isb, '\''); break;  // left single quote
    case ((int)'\u2019'):  sbOriginal.setCharAt(isb, '\''); break;  // right single quote
    case ((int)'\u201A'):  sbOriginal.setCharAt(isb, '\''); break;  // lower quotation mark

    case ((int)'\u201C'):  sbOriginal.setCharAt(isb, '"'); break;  // left double quote
    case ((int)'\u201D'):  sbOriginal.setCharAt(isb, '"'); break;  // right double quote
    case ((int)'\u201E'):  sbOriginal.setCharAt(isb, '"'); break;  // double low quotation mark

    case ((int)'\u2039'):  sbOriginal.setCharAt(isb, '\''); break;  // Single Left-Pointing Quotation Mark
    case ((int)'\u203A'):  sbOriginal.setCharAt(isb, '\''); break;  // Single right-Pointing Quotation Mark

    default: break;

}

这似乎是可行的，因为它取代了一些更为严重的积垢，而且表单现在似乎包含了
“
”。但是，如果我再次保存，IntelliJ认为该字段包含
u0080\u0080\“u0080\”

所以我又添加了几个案例来删除这些字符。但是我对
\u0080
字符的持久性感到困惑

我尝试添加几个案例，试图删除它们，但它们不起作用

case ((int)'\u0080'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0082'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0083'): sbOriginal.deleteCharAt(isb); break; // another weird Word non-printing char
case ((int)'\u0000'): sbOriginal.deleteCharAt(isb); break; // why are these weird symbols showing up?

任何帮助/解释都将不胜感激。
您需要正确转义HTML。这里的答案不是Unicode。这是您的卡纸。
我不知道为什么（在上面的开关内）这样做不起作用（并欢迎解释）：

但这确实：

description = description.replaceAll("\u0080", "");

注意：我在上面的一个附加说明中找到了代码块：查看数据库，我看到这是保存的文本（我能想到的所有munging都发布了）：
€“€”
显然我处理的是各种编码方案，但不是WTF。到目前为止，我还尝试了
description.replaceAll（\\p{C}，”）和
description.replaceAll（“！[：print:”，”）无效。问题是我的用户在Word中编辑文本并复制粘贴到我的表单中，当它到达我的验证（在Java中）时，它显示为Unicode内容。在流程中，你建议我在哪里转义HTML？是的，也在等待回复！您需要对进入HTML表单POST的内容进行编码。这是HTTP 101。
description = description.replaceAll("\u0080", "");