Java 删除html中的其他语言空间

我想使用StringUtils.strip（）修剪标记名和属性之间的空格。因为我有一些空间是不能被 以下是杰里科的方法：

• CharacterReference.DecodeClapseWhitespace（htmlFragment））
• 文本提取器 -Tag[]allTags=source.fullSequentialParse（）

第一种方法删除普通空间，但不删除其他语言空间。 这就是我得到的错误。比如说

html = "<a　　　href=\"test.html\"><font></font></a>";

StartTag a at (r1,c1,p0) rejected because the name contains an invalid character at position (r1,c3,p2)
Encountered possible StartTag at (r1,c1,p0) whose content does not match a registered StartTagType

html=”“；
已拒绝（r1、c1、p0）处的起始标记a，因为名称在位置（r1、c3、p2）处包含无效字符
在（r1、c1、p0）处遇到可能的StartTag，其内容与注册的StartTagType不匹配

jericho中还有一个generateHTML方法，但我们必须提供所有属性值等

public static java.lang.String generateHTML(java.util.Map<java.lang.String,java.lang.String> attributesMap)

公共静态java.lang.String generateHTML（java.util.Map AttributeMap）

在完全顺序解析中，它不识别其他语言空间

---

如何删除标记名和属性之间的其他语言空间？（属性值之间的其他语言空间是OK）这就是为什么我不能执行

string.replaceALL（）

您可以使用string.replaceALL（）

String html=”“；
System.out.println（html.replaceAll（“？它根本不是一个空格（它只是显示为空白）。因此，要用Java替换它，您必须替换此字符。在将其交给Jericho之前，我将执行该替换：用空格替换您的字符，让Jericho在第二步中清除任何不需要的空格。我认为它被视为无效的字符系统。out.println（“Char Ref:+source.getParseText（）.charAt（4））；这是输出Char Ref:“对于jericho，它是无效字符，对于Java，它不应该是无效字符（除非您运行的是Java的本地化版本）。因此Java应该能够替换该字符。知道字符的来源吗？是的，我可以使用StringUtils.strip（）在Java中替换它。），我的问题是，我只需要删除标记名和属性之间的空格，以便识别标记。（这是一个日语空格）您可以尝试使用jsoup而不是Jericho来查看它是否接受您的空格。否则，您几乎只剩下全部替换（我不会删除它们：用普通空格替换它们，然后使用Jericho来清理）或者编写自己的代码来识别html标记并替换不需要的字符。
    String html = "<a　　　href=\"test.html\">　　　<font></font></a>";
    System.out.println(html.replaceAll("(?<=<\\w{1,100})[\\s\\u3000]+", " "));
    // -> <a href="test.html">　　　<font></font></a>