Java 完美判断中文字符的方法
程序员文章站
2023-12-06 09:19:40
java判断一个字符串是否有中文一般情况是利用unicode编码(cjk统一汉字的编码区间:0x4e00–0x9fbb)的正则来做判断,但是其实这个区间来判断中文不是非常精...
java判断一个字符串是否有中文一般情况是利用unicode编码(cjk统一汉字的编码区间:0x4e00–0x9fbb)的正则来做判断,但是其实这个区间来判断中文不是非常精确,因为有些中文的标点符号比如:,。等等是不能识别的。
以下是比较完善的判断方法:charutil.java
复制代码 代码如下:
import java.util.regex.pattern;
public class charutil {
public static void main(string[] args) {
string[] strarr = new string[] { "www.micmiu.com", "!@#$%^&*()_+{}[]|\"'?/:;<>,.", "!¥……()——:;“”‘'《》,。?、", "不要啊", "やめて", "韩佳人", "???" };
for (string str : strarr) {
system.out.println("===========> 测试字符串:" + str);
system.out.println("正则判断结果:" + ischinesebyreg(str) + " -- " + ischinesebyname(str));
system.out.println("unicode判断结果 :" + ischinese(str));
system.out.println("详细判断列表:");
char[] ch = str.tochararray();
for (int i = 0; i < ch.length; i++) {
char c = ch[i];
system.out.println(c + " --> " + (ischinese(c) ? "是" : "否"));
}
}
}
// 根据unicode编码完美的判断中文汉字和符号
private 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.cjk_unified_ideographs_extension_b
|| ub == character.unicodeblock.cjk_symbols_and_punctuation || ub == character.unicodeblock.halfwidth_and_fullwidth_forms
|| ub == character.unicodeblock.general_punctuation) {
return true;
}
return false;
}
// 完整的判断中文汉字和符号
public static boolean ischinese(string strname) {
char[] ch = strname.tochararray();
for (int i = 0; i < ch.length; i++) {
char c = ch[i];
if (ischinese(c)) {
return true;
}
}
return false;
}
// 只能判断部分cjk字符(cjk统一汉字)
public static boolean ischinesebyreg(string str) {
if (str == null) {
return false;
}
pattern pattern = pattern.compile("[\\u4e00-\\u9fbf]+");
return pattern.matcher(str.trim()).find();
}
// 只能判断部分cjk字符(cjk统一汉字)
public static boolean ischinesebyname(string str) {
if (str == null) {
return false;
}
// 大小写不同:\\p 表示包含,\\p 表示不包含
// \\p{cn} 的意思为 unicode 中未被定义字符的编码,\\p{cn} 就表示 unicode中已经被定义字符的编码
string reg = "\\p{incjk unified ideographs}&&\\p{cn}";
pattern pattern = pattern.compile(reg);
return pattern.matcher(str.trim()).find();
}
}