Java と XML と空白と (1) : Java と XML の空白文字

Java での空白文字

Java で空白とみなされる文字は？と聞かれると、意外とよく分からない。　Character クラスの static メソッドに isSpaceChar() と isWhitespace() とが定義されているけど、JavaDoc を読んでも全然分からない。

ということで、実際に Character#isSpaceChar(), Character#isWhitespace() を実行してみました。　引数として渡したのは 0 〜 0xffff (65535) です。　下表は

• SC : isSpaceChar() の返り値が true なら「○」
• WS : isWhitespace() の返り値が true なら「○」

としてます。

Unicode	文字	SC	WS	Unicode	文字	SC	WS	Unicode	文字	SC	WS
\u0009	'\t'		○	\u00a0		○		\u2007		○
\u000a	'\n'		○	\u1680		○	○	\u2008		○	○
\u000b			○	\u180e		○	○	\u2009		○	○
\u000c	'\f'		○	\u2000		○	○	\u200a		○	○
\u000d	'\r'		○	\u2001		○	○	\u200b		○	○
\u001c			○	\u2002		○	○	\u2028		○	○
\u001d			○	\u2003		○	○	\u2029		○	○
\u001e			○	\u2004		○	○	\u202f		○
\u001f			○	\u2005		○	○	\u205f		○	○
\u0020	' '	○	○	\u2006		○	○	\u3000	'　'	○	○

\u3000 は「全角スペース」です。

XML での空白文字

XML での空白文字は次の4つです（「Extensible Markup Language (XML) 1.0 (Fifth Edition)」参照）：

Unicode 文字 (XML)	名前	文字リテラル (Java)	Unicode 文字 (Java)
#x20	スペース (Space)	' '	\u0020
#x9	水平タブ (HT)	'\t'	\u0009
#xD	復帰キャリッジ・リターン (CR)	'\r'	\u000d
#xA	改行 (LF)	'\n'	\u000a

これらは全て、Java でも Whitespace とみなされます*1。

*1:一方、空白' ' 以外は SpaceChar とはみなされないようです。