android 判断是否是标点符号_Java 中文字符判断 中文标点符号判断
Java Character 实现Unicode字符集介绍 CJK中文字符和中文标点判断
主要内容:
1. Java Character类介绍;
2. Unicode 简介及 UnicodeBlock 与 UnicodeScript区别和联系
3. 如何判断汉字及中文标点符号
做中文信息处理,经常会遇到如何判断一个字是否是中文,或者是否是中文的标点符号等。
在Java中,主要使用 Character类处理字符有关功能,而JDK 1.7中Character是按照Unicode 6.0版本实现的,所以这个要先学习下常用的 Unicode编码。
Character 类中有3个静态内部类,
Modifier and Typehttp://http://www.cnblogs.com/zztt/admin/EditPosts.aspx?opt=1www.cnblogs.com/zztt/admin/EditPosts.aspx?opt=1Class and Description
static class
Instances of this class represent particular subsets of the Unicode character set.
static class
A family of character subsets representing the character blocks in the Unicode specification.
static class
A family of character subsets representing the character scripts defined in the Unicode Standard Annex #24: Script Names.
其中的UnicodeBlock 和 UnicodeScript类可以帮助我们判断字符类型,
UnicodeBlock是Unicode标准协会组织unicode码的一个基本单位,实际上一个 UnicodeBlock代表一片连续的Unicode号码段,UnicodeBlock之间不重叠。例如,通常我们利用Unicode编码是否在 0x4E00–0x9FCC 来判断某字符是否为汉字,就是因为,有个UnicodeBlock 专门划分为存储汉字 (准确的说是 CJK统一汉字),这个UnicodeBlock叫做 CJK Unified Ideographs,总共定义了 74,617 个汉字。
当然还有其他很多UnicodeBlock,例如,对于汉字还有4个扩展 UnicodeBlock,CJK Unified Ideographs Extension A, B, C, D 分别都扩展了一些我们平时见都没见过的汉字(如果不是专门的古籍数字化,Unicode字符集中的汉字普通交流够了)
Unicode中一种Script通常就是一个字符或者其他书写符号的集合,代表着一种或多种writing systems (这里暂且翻译为文书类型,文书类型细分可以分成不同语言)。有些Script仅支持一种文字类型,有些可以支持多种,例如 Latin Script 支持 supports English, French, German, Italian, Vietnamese, Latin 等等,具体可见wikipedia,
http://en.wikipedia.org/wiki/Scripts_in_Unicode
UnicodeBlock 与 UnicodeScript 关系:
所以UnicodeScript 是从语言书写规则层次对Unicode字符的分类,这是用使用角度划分,而UnicodeBlock是从硬的编码角度划分。
1. UnicodeBlock是简单的数值范围 (其中可能有些Block中会有一些尚未分配字符的“空号”)。
2. 在一个UnicodeScript中的字符可能分散在多个UnicodeBlock中;
3. 一个UnicodeBlock中的字符可能会被划进多个UnicodeScript中。
另外需要注意的是UnicodeScript实现是在Java 7中新引入的。
具体在编写程序中,可以游2种办法,一是使用 UnicodeBlock,请见代码:
//使用UnicodeBlock方法判断
public boolean isChineseByBlock(charc) {
Character.UnicodeBlock ub=Character.UnicodeBlock.of(c);if (ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT) {return true;
}else{return false;
}
}
或者如果使用JDK1.7,那么UnicodeScript方法会更方便,因为UnicodeScript.HAN 包括了上面所列的5个UnicodeBlock:
//使用UnicodeScript方法判断
public boolean isChineseByScript(charc) {
Character.UnicodeScript sc=Character.UnicodeScript.of(c);if (sc ==Character.UnicodeScript.HAN) {return true;
}return false;
}
类似的,扩展开去还可以判别中文标点符号。
因为中文的标点符号主要存在于以下5个UnicodeBlock中,
U2000-General Punctuation (百分号,千分号,单引号,双引号等)
U3000-CJK Symbols and Punctuation ( 顿号,句号,书名号,〸,〹,〺 等;PS: 后面三个字符你知道什么意思吗? : ) )
UFF00-Halfwidth and Fullwidth Forms ( 大于,小于,等于,括号,感叹号,加,减,冒号,分号等等)
UFE30-CJK Compatibility Forms (主要是给竖写方式使用的括号,以及间断线﹉,波浪线﹌等)
UFE10-Vertical Forms (主要是一些竖着写的标点符号, 等等)
//根据UnicodeBlock方法判断中文标点符号
public boolean isChinesePunctuation(charc) {
Character.UnicodeBlock ub=Character.UnicodeBlock.of(c);if (ub ==Character.UnicodeBlock.GENERAL_PUNCTUATION|| ub ==Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION|| ub ==Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_FORMS|| ub ==Character.UnicodeBlock.VERTICAL_FORMS) {return true;
}else{return false;
}
}
最后上测试代码:
importjava.util.regex.Pattern;/*** author: Tong
* Date: 11/16/13
* Time: 10:42 PM*/
public classCharClassifier {public static voidmain(String[] args) {
CharClassifier classifier= newCharClassifier();
String[] strings= new String[]{"Hello", "你好", "㐀㐂㐄", "にほんご", "조선어",",.?!@#$%^&()", ",。?!@#¥%……&()"};for (int i = 0; i < strings.length; i++) {
String str=strings[i];
System.out.println("原字符串为:" +str);char[] chars =str.toCharArray();if (i < 5) {
System.out.println("使用0x4E00-0x9FCC范围判断字符是否为汉字:");for (charaChar : chars) {
System.out.println(aChar+ ":" + (classifier.isChineseByRange(String.valueOf(aChar)) ? "YES" : "NO"));
}
System.out.println("使用UnicodeBlock方法判断字符是否为汉字:");for (charaChar : chars) {
System.out.println(aChar+ ":" + (classifier.isChineseByBlock(aChar) ? "YES" : "NO"));
}
System.out.println("使用UnicodeScript方法判断字符是否为汉字:");for (charaChar : chars) {
System.out.println(aChar+ ":" + (classifier.isChineseByScript(aChar) ? "YES" : "NO"));
}
}else{
System.out.println("判断是否为中文符号:");for (charaChar : chars) {
System.out.println(aChar+ ":" + (classifier.isChinesePunctuation(aChar) ? "YES" : "NO"));
}
}
}
}//使用UnicodeBlock方法判断
public boolean isChineseByBlock(charc) {
Character.UnicodeBlock ub=Character.UnicodeBlock.of(c);if (ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C|| ub ==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT) {return true;
}else{return false;
}
}//使用UnicodeScript方法判断
public boolean isChineseByScript(charc) {
Character.UnicodeScript sc=Character.UnicodeScript.of(c);if (sc ==Character.UnicodeScript.HAN) {return true;
}return false;
}//根据UnicodeBlock方法判断中文标点符号
public boolean isChinesePunctuation(charc) {
Character.UnicodeBlock ub=Character.UnicodeBlock.of(c);if (ub ==Character.UnicodeBlock.GENERAL_PUNCTUATION|| ub ==Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION|| ub ==Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS|| ub ==Character.UnicodeBlock.CJK_COMPATIBILITY_FORMS|| ub ==Character.UnicodeBlock.VERTICAL_FORMS) {return true;
}else{return false;
}
}//使用Unicode编码范围来判断汉字;这个方法不准确,因为还有很多汉字不在这个范围之内
public booleanisChineseByRange(String str) {if (str == null) {return false;
}
Pattern pattern= Pattern.compile("[\\u4E00-\\u9FCC]+");returnpattern.matcher(str.trim()).find();
}
}
程序输出:
原字符串为:Hello
使用0x4E00-0x9FCC范围判断字符是否为汉字:
H:NO
e:NO
l:NO
l:NO
o:NO
使用UnicodeBlock方法判断字符是否为汉字:
H:NO
e:NO
l:NO
l:NO
o:NO
使用UnicodeScript方法判断字符是否为汉字:
H:NO
e:NO
l:NO
l:NO
o:NO
原字符串为:你好
使用0x4E00-0x9FCC范围判断字符是否为汉字:
你:YES
好:YES
使用UnicodeBlock方法判断字符是否为汉字:
你:YES
好:YES
使用UnicodeScript方法判断字符是否为汉字:
你:YES
好:YES
原字符串为:㐀㐂㐄
使用0x4E00-0x9FCC范围判断字符是否为汉字:
㐀:NO
㐂:NO
㐄:NO
使用UnicodeBlock方法判断字符是否为汉字:
㐀:YES
㐂:YES
㐄:YES
使用UnicodeScript方法判断字符是否为汉字:
㐀:YES
㐂:YES
㐄:YES
原字符串为:にほんご
使用0x4E00-0x9FCC范围判断字符是否为汉字:
に:NO
ほ:NO
ん:NO
ご:NO
使用UnicodeBlock方法判断字符是否为汉字:
に:NO
ほ:NO
ん:NO
ご:NO
使用UnicodeScript方法判断字符是否为汉字:
に:NO
ほ:NO
ん:NO
ご:NO
原字符串为:조선어
使用0x4E00-0x9FCC范围判断字符是否为汉字:
조:NO
선:NO
어:NO
使用UnicodeBlock方法判断字符是否为汉字:
조:NO
선:NO
어:NO
使用UnicodeScript方法判断字符是否为汉字:
조:NO
선:NO
어:NO
原字符串为:,.?!@#$%^&()
判断是否为中文符号:
,:NO
.:NO?:NO!:NO
@:NO
#:NO
$:NO%:NO^:NO&:NO
(:NO
):NO
原字符串为:,。?!@#¥%……&()
判断是否为中文符号:
,:YES
。:YES
?:YES
!:YES
@:YES
#:YES
¥:YES
%:YES
…:YES
…:YES
&:YES
(:YES
):YES
android 判断是否是标点符号_Java 中文字符判断 中文标点符号判断相关推荐
- MySQL不能插入中文字符及中文字符乱码问题
MySQL的默认编码是Latin1,不支持中文,要支持中午需要把数据库的默认编码修改为gbk或者utf8. 在安装后MySQL之后,它的配置文件不是很给力,不知道你们的是不是,反正我的是! 开始插入中 ...
- java判断对象无数据_java 对象属性不能为空判断
如何判断一个对象里的属性是否都为空的 怎么判断一个对象里的属性是否都为空的怎么判断一个对象里的属性是否都为空的,或者判断该对象是否是一个实体!引用:怎么判断一个对象里的属性是否都为空的,或者判断该对象 ...
- unicode字符集详解,中文字符范围,标点符号范围等
经常要使用过滤中文,过滤标点符号之类的正则表达式,这里对查到的字符集返回做个汇总 拉丁文字符 0020-007E,包括常见的数字,英文a-z,A-Z, 一些标点符号,具体参考:https://www. ...
- qt 判断字符串中是否含有中文字符_Qt 中文字符串问题
一. Qt5假定的执行字符集是UTF8,不再允许用户擅自改动.这样一来,Qt4中setCodecXXX的各种副作用不再存在,而且中文问题更为简单. QString s1 = "汉语" ...
- java判断题及答案_Java面试题及解析(判断题)
1.代码差错,判断代码对错,并指出错误处 abstract class Name{ private String name; public abstract Boolean isStupidName( ...
- 下列支持mysql中文字符_MySQL中文支持问题
0. 本文目的 让MySQL支持中文 1. 测试环境 Windows XP sp2,MySQL Server 5.1,MySQL Administrator 1.2.17 2. 操作步骤 1)修改数据 ...
- overleaf 罕见中文字符 部分中文字符无法显示
本人遇到该问题后在网上试过很多方法均无法解决,后来了解到是因为overleaf后端是linux而导致的 可能存在其他更快的方法,但是比较省脑子的办法是将项目完整下载到本地编译,此处推荐一个texwor ...
- Java 中文字符判断 中文标点符号判断
Java Character 实现Unicode字符集介绍 CJK中文字符和中文标点判断 主要内容: 1. Java Character类介绍: 2. Unicode 简介及 UnicodeBloc ...
- java 判断 中文字符_java中判断字符串中是否有中文字符
package com.meritit.test; public class TestChart { public static void main(String[] args) throws Exc ...
最新文章
- [公告]欢迎您加入WF技术研究团队
- 十五、Redis三种特殊类型之二HyperLoglog
- “中国式招标”的一些趣闻
- java连接oracle密码错误,java代码连接Oracle数据库出错,求解,以下是错误信息
- WSUS注冊表導入,工作組用戶系統更新
- 单例模式(线程安全+延迟加载)
- Java 8 Optional类深度解析
- swift5的SnipKit框架使用
- 快速验证业务决策,“玩转”用户增长
- Python笔记-使用SSIM找两张图不同及使用Opencv显示
- 【转】Java魔法堂:String.format详解
- 小米MIX4不会采用四曲面屏:结果未必是坏事
- 软件系统架构师大概工作过程
- android 自带TextToSpeech没有声音
- 三星真机云测平台可能是最好的云测平台,因为他免费。
- ps蒙版怎么用:你会用ps蒙版吗?【萧蕊冰】
- jS 清除form表单
- win10无法连接到这个网络_win10以太网已连接无法上网怎么办?
- java毕业设计二手商品交易网站mp4Mybatis+系统+数据库+调试部署
- 复旦微的FMQL10S400ZYNQ芯片的多核操作
热门文章
- loadrunner监控linux性能指标,使用LoadRunner监控Linux系统性能.doc
- python 与别的程序通信_《Python》进程之间的通信(IPC)、进程之间的数据共享、进程池...
- 企业是否应该实现对客户需求的快速响应_如何做好企业服务?
- RTK、IMU、RT3000
- oracle 整个表空间迁移,oracle11g迁移表空间
- 前端如何进行日志驱动开发
- AUTOSAR从入门到精通100讲(三十八)-AUTOSAR 通信服务 - NM概念详解
- AUTOSAR从入门到精通100讲(三十五)-AUTOSAR BswM三部曲-概念实践代码分析
- 服务器多核性能排行,服务器内存多核性能
- 关闭Android电池温度告警框,android电源信息查看(电量、温度、电压)实例代码