Java 完美判断中文字符

转载自：http://www.micmiu.com/lang/java/java-check-chinese/

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

package com.micmiu.utils;import java.util.regex.Pattern;/** * 字符通用工具类 *  * @author <a href="http://www.micmiu.com">Michael Sun</a> */public class CharUtil {/** * @param args */public static void main(String[] args) {String[] strArr = new String[] { "www.micmiu.com","!@#$%^&*()_+{}[]|\"'?/:;<>,.", "！￥……（）——：；“”‘’《》，。？、", "不要啊","やめて", "韩佳人", "한가인" };for (String str : strArr) {System.out.println("===========> 测试字符串：" + str);System.out.println("正则判断：" + 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();}}

运行结果如下：

===========> 测试字符串：www.micmiu.com正则判断：false -- falseUnicode判断结果 ：false详细判断列表：w --> 否w --> 否w --> 否. --> 否m --> 否i --> 否c --> 否m --> 否i --> 否u --> 否. --> 否c --> 否o --> 否m --> 否===========> 测试字符串：!@#$%^&*()_+{}[]|"'?/:;<>,.正则判断：false -- falseUnicode判断结果 ：false详细判断列表：! --> 否@ --> 否# --> 否$ --> 否% --> 否^ --> 否& --> 否* --> 否( --> 否) --> 否_ --> 否+ --> 否{ --> 否} --> 否[ --> 否] --> 否| --> 否" --> 否' --> 否? --> 否/ --> 否: --> 否; --> 否< --> 否> --> 否, --> 否. --> 否===========> 测试字符串：！￥……（）——：；“”‘’《》，。？、正则判断：false -- falseUnicode判断结果 ：true详细判断列表：！ --> 是￥ --> 是… --> 是… --> 是（ --> 是） --> 是— --> 是— --> 是： --> 是； --> 是“ --> 是” --> 是‘ --> 是’ --> 是《 --> 是》 --> 是， --> 是。 --> 是？ --> 是、 --> 是===========> 测试字符串：不要啊正则判断：true -- falseUnicode判断结果 ：true详细判断列表：不 --> 是要 --> 是啊 --> 是===========> 测试字符串：やめて正则判断：false -- falseUnicode判断结果 ：false详细判断列表：や --> 否め --> 否て --> 否===========> 测试字符串：韩佳人正则判断：true -- falseUnicode判断结果 ：true详细判断列表：韩 --> 是佳 --> 是人 --> 是===========> 测试字符串：한가인正则判断：false -- falseUnicode判断结果 ：false详细判断列表：한 --> 否가 --> 否인 --> 否

本文介绍到此介绍 @Michael Sun。