【java文本處理】實現文檔中字母、數字、漢字、標點符號和總字符的個數計算

01. 目的

累計文檔中字母、數字、漢字、標點符號以及全部字符的數目。

注：文檔中的空格、英文標點符號歸爲：“其他字符”

02. 主要方法

（1）用InputStreamReader讀入文本內容，以行讀入str = buf.readLine()並判斷一行中每個字符str.charAt(i)；

（2）判斷字母：str.charAt(i))>='A' && (str.charAt(i))<='Z') || ((str.charAt(i))>='a' && (str.charAt(i))<='z')

（3）判斷數字：str.charAt(i)>='0' && str.charAt(i)<='9'

（4）判斷漢字：str.charAt(i)>=0x4e00 && str.charAt(i)<=0x9fbb

​ 判斷中文字符：（包括中文標點符號）str.charAt(i)>=0x0391 && s.charAt(i)<=0xFFE5

​ 此例中漢字和標點符號分別判斷

（5）判斷中文標點符號：
參考：Java判斷中文符號 — Character.UnicodeBlock中的cjk說明

Character.UnicodeBlock pun = Character.UnicodeBlock.of(str.charAt(i));	 //獲取此字符的UniCodeBlock			
if (pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ||
    pun == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS || 
    pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A || 
    pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B || 
    pun == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION || 
    pun == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS ||
    pun == Character.UnicodeBlock.GENERAL_PUNCTUATION)

Character.UnicodeBlock中cjk的說明：

• Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ： 4E00-9FBF：CJK 統一表意符號
• Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS ：F900-FAFF：CJK 兼容象形文字
• Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A ：3400-4DBF：CJK 統一表意符號擴展A
• Character.UnicodeBlock.GENERAL_PUNCTUATION ：2000-206F：常用標點
• Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION ：3000-303F：CJK 符號和標點
• Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS ：FF00-FFEF：半角及全角形式

03. 程序代碼 ( charCount.java )

/* 
* 累計文檔中的字母、數字、漢字、中文標點符號和其他字符的個數
* @author WTCLAB_yd
*/
import java.io.*;
public class charCount {
	public static void main(String[] args) {
		String character=null,figure=null,sinogram=null,others=null;//定義字符串字母、數字、漢字和其他，用於存放從文中提取出的對應內容
		int c=0,f=0,s=0,o=0,b=0;//用於累計文檔中字母、數字、漢字和其他字符的個數
		String str=null;
		File read_file=new File(args[0]);//建立讀入文件對象
		try{
			InputStreamReader reader = new InputStreamReader(new FileInputStream(read_file)); // 將輸入的字節流轉換成字符流
			BufferedReader buf=new BufferedReader(reader);	//將字符流添加到緩衝流
			while ((str = buf.readLine()) != null){
			for(int i=0;i<str.length();i++)
			{	
				//判斷是否是字母
				if( ((str.charAt(i))>='A' && (str.charAt(i))<='Z') || ((str.charAt(i))>='a' && (str.charAt(i))<='z') )
				{
					c++;
					continue;
				}	
				if(str.charAt(i)>='0' && str.charAt(i)<='9')//判斷數字
				{
					f++;
					continue;
				}
				if(str.charAt(i)>=0x4e00 && str.charAt(i)<=0x9fbb)//判斷漢字
				{	
					s++;
					continue;
				}
 
				Character.UnicodeBlock pun = Character.UnicodeBlock.of(str.charAt(i)); //獲取此字符的UniCodeBlock
				if (pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS || pun == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS 
                || pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A || pun == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B 
                || pun == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION || pun == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS 
                || pun == Character.UnicodeBlock.GENERAL_PUNCTUATION) {
					b++;
				}
				else
				{
					o++;
					continue;
				}
			}
			}
			System.out.println("\n《西遊記》中:\n");
			System.out.println("字母的個數："+c+"\n");
			System.out.println("漢字的個數："+s+"\n");
			System.out.println("數字的個數："+f+"\n");
			System.out.println("標點的個數："+b+"\n");
			System.out.println("其他字符："+o);
			System.out.println("總字符數："+(c+s+f+b+o));
			}
			catch(IOException e){//捕獲異常
				e.printStackTrace();			
			}
	}
}

04. 功能演示

（1）執行 ：**java char_slash xyj.txt **

（命令行參數方式：xyj.txt 是待處理文檔）

（2）測試：

英文單詞間的空格、英文標點符號算作“其他字符”