Java 判断中英文 中文字符占用的字节

Java中判断字符串的编码有两种思路：

（1）是根据byte的长度判断，英文的字母数字好标点符号都是一个byte，且值在0-255之间

（2）是根据中文的Unicode取值范围判断，这个就是把所以的范围都包含，才能判断正确，参考unicode中文范围：

示例代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class StringTest {
// --------------------------第一种方式----------------------------
 //英文占1byte，非英文（可认为是中文）占一个以上，根据这个特性来判断字符
 public static boolean checkChar(char ch) {
  if ((ch + "").getBytes().length == 1) {
   return true;//英文
  } else {
// 注意：GBK、GB2312下中文占两个字节，UTF-8下中文占三个字节，不能判断字符占两个字节是中文
// 关于中文字节及编码格式可以看文末的链接
   return false;//中文
  }
 }
// --------------------------第二种方式----------------------------
 public static String checkString(String str) {
  String res = "";
  if (str != null) {
   for (int i = 0; i < str.length(); i++) {
    //只要字符串中有中文则为中文
    if (!checkChar(str.charAt(i))) {
     res = "中文";
     break;
    } else {
     res = "英文";
    }
   }
  }
  return res;
 }
 //判断是不是中文
 public static boolean isChinese(char c) {
  Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
  if (ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS
    || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS
    || ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A
    || ub == Character.UnicodeBlock.GENERAL_PUNCTUATION
    || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
    || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS) {
   return true;
  }
  return false;
 }
 //判断是不是英文字母
 public static boolean isEnglish(String charaString) {
  return charaString.matches("^[a-zA-Z]*");
 }
 //根据中文unicode范围判断u4e00 ~ u9fa5不全
 public static String isChinese(String str) {
  String regEx1 = "[\\u4e00-\\u9fa5]+";
  String regEx2 = "[\\uFF00-\\uFFEF]+";
  String regEx3 = "[\\u2E80-\\u2EFF]+";
  String regEx4 = "[\\u3000-\\u303F]+";
  String regEx5 = "[\\u31C0-\\u31EF]+";
  Pattern p1 = Pattern.compile(regEx1);
  Pattern p2 = Pattern.compile(regEx2);
  Pattern p3 = Pattern.compile(regEx3);
  Pattern p4 = Pattern.compile(regEx4);
  Pattern p5 = Pattern.compile(regEx5);
  Matcher m1 = p1.matcher(str);
  Matcher m2 = p2.matcher(str);
  Matcher m3 = p3.matcher(str);
  Matcher m4 = p4.matcher(str);
  Matcher m5 = p5.matcher(str);
  if (m1.find() || m2.find() || m3.find() || m4.find() || m5.find())
   return "中文";
  else
   return "英文";
 }
 public static void main(String[] args) {
  System.out.println("使用长度判断:");
  System.out.println(checkString("Hello++"));
  System.out.println(checkString("Hello++。、，？"));
  System.out.println(checkString("Hello++编程"));
  System.out.println(checkString("编程"));
    
  System.out.println("\r\n使用正则表达式判断:");
  System.out.println(isChinese("Hello++"));
  System.out.println(isChinese("Hello++。、，？"));
  System.out.println(isChinese("Hello++编程"));
  System.out.println(isChinese("编程"));
    
  System.out.println("\r\n使用Character.UnicodeBlock");
  System.out.println(isChinese('h')?"中文":"英文");
  System.out.println(isChinese(',')?"中文":"英文");
  System.out.println(isChinese('。')?"中文":"英文");
  System.out.println(isChinese('编')?"中文":"英文");
 }
}

Java一个汉字占几个字节（详解与原理）