如何判断字符串中含有日文字符

Answer 1

最近做的东西有这么一个需要：判断一个字符串中是否含有日文字符。最直观的想法就是使用正则表达式，因此上网一搜，找到了这个 utf-8 对应的日文字符列表：http://ash.jp/code/unitbl21.htm 。满心欢喜，按照列表，用utf-16指定的区间，再用正则表达式方式写了一个判断方法。 

测试了几个单词，正确。不过测试了几个汉字，发现不对。 

仔细看了看那个表，发现 字母和假名部分，utf-16是连续的，但是汉字和特殊字符部分，就不是连续的了。这就是用正则表达式也得累死人！ 

再看看那个表，SJIS 编码的code是连续的，恩，可以使用区间，所以字符串得转换一下： 

Java代码  

str = new String(str.getBytes(), "UTF-8");  
byte[] bt = str.getBytes("SHIFT-JIS");

不过那个表也真大阿！！就算用 shift-jis编码，正则表达式也不短！ 

在输出 byte[] 的时候，发现如果是中文的话，那么 byte[] 的长度会小于4，而且不会被2 整除。于是乎，方法来了： 

Java代码  

return bt.length %2 == 0;

这个方法可以判断一个字符是否为日文字符，那么判断字符串中是否包含日文字符也不难了。 

以下是测试类： 

Java代码  

assertTrue(CharacterUtil.isContainJapaneseCharacter("亜亜"));  
          
assertTrue(CharacterUtil.isContainJapaneseCharacter("お早う"));  
assertTrue(CharacterUtil.isContainJapaneseCharacter("学校"));  
assertTrue(CharacterUtil.isContainJapaneseCharacter("お早う,tom!"));  
assertFalse(CharacterUtil.isContainJapaneseCharacter("严"));  
assertFalse(CharacterUtil.isContainJapaneseCharacter("tom"));  
          
try {  
  InputStream is = getClass().getClassLoader().getResourceAsStream("util/CharacterTest.utf_8");  
  LineNumberReader ln = new LineNumberReader(new InputStreamReader(is, "UTF-8"));  
  // 汉字 足  
  assertTrue(CharacterUtil.isContainJapaneseCharacter(ln.readLine()));  
  //　あし　足  
  assertTrue(CharacterUtil.isContainJapaneseCharacter(ln.readLine()));  
} catch (IOException e) {  
  // TODO Auto-generated catch block  
  e.printStackTrace();  
}

其中比较特殊的是 “足”之类的文字，在 UNICODE 列表中，中日韩有几部分是公用一些汉字的。（CharacterTest.utf_8 是一个 utf-8 编码的文本文件，里面分别用汉字和日文写了“足”这个字 ）。