[Java] String strip()과 whitespace

스뎅(thDeng) on October 3, 2018

TL;DR: 유니코드의 whitespace에는 tab 문자, 공백, CR, LF 이외에도 훨씬 많은 것들이 있다. 이 모든 whitespace를 제거하려면, trim() 대신 JDK 11에 추가된 strip()을 사용해야 한다.

Java 11 String에는 새로 추가된 strip(), stripLeading(), stripTrailing()이 있다. trim()처럼 앞뒤의 whitespace를 지운 새로운 String 객체를 반환하는데, strip()과 trim()은 지우게 되는 whitespace 대상이 조금 다르다.

whitespace라고 하면 간단하게 tab 문자(U+0009), 공백(U+0020), CR(U+000D), LF(U+000A) 등의 문자만 생각했는데, 유니코드에서는 그 이외에도 상당히 많은 whitespace가 존재한다. 특히나 공백의 가로폭에 따라 아래 이미지와 같이 사이즈별로 존재한다.

위와 같은 whitespace도 함께 제거하고 싶으면 trim()이 아닌 strip()을 사용해야 한다. 아래 코드에서 U+205F값을 가지는 medium mathematical space가 제거되는 것을 볼 수 있다.

public class StripAndTrimTest {
  public static void main(String[] args) {
      String str = "my text\u205F";
      System.out.println("'" + str.strip() + "'");
      System.out.println("'" + str.trim() + "'");
  }
}

'my text'
'my text ' // trip()은 `U+205F`가 제거되지 않았다

strip()은 모든 유니코드 whitespace를 제거하고, trim()은 U+0020 이하의 값을 가지는 whitespace만을 제거한다. U+0020 이하는 tab 문자, 공백, CR, LF 등을 포함한다. 그 목록은 Whitespace character - Wikipedia에서 확인할 수 있다.

이 때문인지 trim()의 javadoc 설명이 바뀌었다.

trim(): JDK 8 Returns a string whose value is this string, with any leading and trailing whitespace removed.

trim(): JDK 11 Returns a string whose value is this string, with all leading and trailing space removed, where space is defined as any character whose codepoint is less than or equal to ‘U+0020’ (the space character).

strip(): JDK 11 Returns a string whose value is this string, with all leading and trailing white space removed.

참고

본문 이미지 출처: Wikipedia