Java と XML と空白と (3) : String#trim() メソッド

前回、Java での「whitespace」のややこしい扱いを見ましたが、哀しいかな、他にも「whitespace」のややこしい扱いがあります。　それは String#trim() です。

String#trim() の JavaDoc をみると、

Returns a copy of the string, with leading and trailing whitespace omitted.

と書かれていて、先頭と後尾の「whitespace」を取り除くと書いてあります。

ただし、これ以降を読むと、「whitespace」とは「文字コードが \u0020 以下の文字」つまり、文字コードが \u0000 〜 \u0020 の33文字*1と定義されています。　これは前回みた Java での「whitespace」の定義と異なっています。

\u0001 〜 \u0020 までの文字は以下のようになっています（\u0000 は省略）：

Unicode	文字	Unicode	文字	Unicode	文字	Unicode	文字
\u0001		\u0009	"\t"	\u0011		\u0019
\u0002		\u000a	"\n"	\u0012		\u001a
\u0003		\u000b		\u0013		\u001b
\u0004		\u000c	"\f"	\u0014		\u001c
\u0005		\u000d	"\r"	\u0015		\u001d
\u0006		\u000e		\u0016		\u001e
\u0007		\u000f		\u0017		\u001f
\u0008	"\b"	\u0010		\u0018		\u0020	" "

各文字コードの名前は以下の通り（Unicode 5.1 を参考にしたので、Java での名前は少し違うかも→）：

Unicode	名前	Unicode	名前	Unicode	名前
\u0000	NULL	\u000b	LINE TABULATION (VT)	\u0016	SYNCHRONOUS IDLE
\u0001	START OF HEADING	\u000c	FORM FEED (FF "\f")	\u0017	END OF TRANSMISSION BLOCK
\u0002	START OF TEXT	\u000d	CARRIAGE RETURN (CR "\r")	\u0018	CANCEL
\u0003	END OF TEXT	\u000e	SHIFT OUT	\u0019	END OF MEDIUM
\u0004	END OF TRANSMISSION	\u000f	SHIFT IN	\u001a	SUBSTITUTE
\u0005	ENQUIRY	\u0010	DATA LINK ESCAPE	\u001b	ESCAPE
\u0006	ACKNOWLEDGE	\u0011	DEVICE CONTROL ONE	\u001c	INFORMATION SEPARATOR FOUR
\u0007	BELL	\u0012	DEVICE CONTROL TWO	\u001d	INFORMATION SEPARATOR THREE
\u0008	BACKSPACE ("\b")	\u0013	DEVICE CONTROL THREE	\u001e	INFORMATION SEPARATOR TWO
\u0009	CHARACTER TABULATION (HT "\t")	\u0014	DEVICE CONTROL FOUR	\u001f	INFORMATION SEPARATOR ONE
\u000a	LINE FEED (LF "\n")	\u0015	NEGATIVE ACKNOWLEDGE	\u0020	SPACE (" ")

String#trim() で「whitespace」とみなされる文字はの集合は、XML や Java の正規表現で「whitespace」とみなされる文字を全て含んでいます。　一方、Character#isWhitespace() で定義される「whitespace」の文字集合との間に包含関係はありません。

{XML の空白} ⊂ {Java 正規表現の空白} ⊂ {Java String#trim() の空白}

この「whitespace」の定義の違いが、どの程度影響があるのかよく分かりませんが（あまりないのかも知れません*2）、JavaDoc を一見してそれが分からないこと自体が問題かと。

*1:16進数であることに注意

*2:全角スペース (\u3000) は Character#isWhitespace() では「whitespace」とみなされますが、String#trim() では「whitespace」とみなされない、というのが日本語にとって注意が必要なところでしょうか？ あまり困ったことはありませんけど（笑）