如何在 Java 中通过 String.strip() 移除 Unicode 标准下的所有物理可见空白符

先说结论：String.strip() 确实能移除 Unicode 标准中定义的“空格字符”（也就是 Zs 类别），以及部分控制类空白，比如制表符、换行、回车这些。但要说它“移除所有物理可见空白符”，这个说法就不太准确了。像全角空格（U+3000）、不换行空格（U+00A0），这些都是会被清理的；可零宽空格（U+200B）这类字符，虽然看不见，但还真就不在它的处理范围之内。

strip() 到底能处理哪些空白？

Ja va 11 引入的 strip()，底层判断依据是 Character.isWhitespace(int) 这个方法。它遵循的是 Unicode 标准，识别范围分这么几类：

• 所有 SPACE_SEPARATOR（Zs）类别，比如 ASCII 空格 U+0020，不换行空格 U+00A0，还有全角空格 U+3000，都在里面。
• 所有 LINE_SEPARATOR（Zl），比如 U+2028 行分隔符。
• 所有 PARAGRAPH_SEPARATOR（Zp），比如 U+2029 段落分隔符。
• 部分 CONTROL 字符（Cc），例如常见的 u0009（制表符）、u000A（换行符）、u000D（回车符），还有垂直制表和换页符。

需要注意一点：U+00A0（不换行空格）和 U+3000（全角空格）虽然都属于 Zs，但 strip() 确实会移除它们。而像 U+200B（零宽空格）、U+2060（字词连接符）这些 FORMAT（Cf）类字符，strip() 就不管了——它们本身不算 whitespace，也不占用视觉宽度，但可能悄悄影响字符串的比较结果或者渲染效果。

那些“物理可见”但 strip() 漏掉的情况，其实并不多

这里说的“物理可见”，是指在常见的编辑器、终端或浏览器里，能看到它占了个位置或者起到了分隔作用的空白。实践下来，strip() 真正漏掉的情况非常少。你看：

• U+2000 到 U+200A：各种固定宽度空格，比如英文排版用的 En 空格、Em 空格，它们属于 Zs，strip() 会一并移除。
• U+202F：窄不换行空格，也属于 Zs，strip() 同样支持。
• U+2060（Word Joiner）、U+FEFF（BOM）、U+200B（零宽空格）：这些都是 Cf 类别，strip() 完全不会处理。它们虽然不可见，但可能让字符串判断失效，或者影响正则匹配结果。
• U+1680（Ogham Space Mark）：属于 Zs，strip() 也会处理。

所以，真实开发里遇到的“看起来没清干净”的问题，十有八九都是零宽字符或者字体渲染差异造成的，而不是 strip() 本身的能力边界问题。

如果需要更彻底，可以组合正则或自定义逻辑

如果业务要求必须清除所有可能干扰显示的 Unicode 空白，包括那些格式控制符（Cf），可以再加一层过滤：

• 移除所有 FORMAT 类字符（包括零宽字符）：
  str.replaceAll("\\p{Cf}", "")
• 同时清理空白和格式符：
  str.strip().replaceAll("\\p{Cf}", "")
• 如果需要处理软连字符（U+00AD）这类易混淆字符，可以扩展成：
  str.strip().replaceAll("[\\p{Cf}\\u00AD]", "")

还有一个细节：\p{Z} 能匹配所有分隔符（Zs/Zl/Zp），但 strip() 已经全覆盖了，没必要重复。真正需要补充的，主要还是 Cf 以及个别 Co（私用区）或 Cn（未分配）里的干扰字符。

怎么验证到底有没有“残留可见空白”？

调试的时候，别光靠眼睛看，推荐用这几个方法确认：

• 打印每个字符的 Unicode 码点：
  str.codePoints().forEach(cp -> System.out.printf("U+%04X ", cp));
• 用 Character.getType(ch) 查看字符类别，比如：
  Character.getType('\u200B') == Character.FORMAT 会返回 true
• 在 IDE 里开启显示空白字符的功能（比如 IntelliJ 的 View → Active Editor → Show Whitespaces），不过要注意，它通常只标注 isWhitespace 范围内的字符。

总结一下：strip() 的设计目标是通用的空白清理，而不是像素级别的可见性检测。绝大多数“看起来有残留”的情况，其实都是零宽字符或字体渲染差异造成的，并不是 strip() 的能力短板。搞清楚这个，实践中就能少踩很多坑。