Java 判断中英文、解析中文字符占用的字节、获取字符串相对于汉字的个数

Java中判断字符串的编码有两种思路：

（1）是根据byte的长度判断，英文的字母数字好标点符号都是一个byte，且值在0-255之间

（2）是根据中文的Unicode取值范围判断，这个就是把所以的范围都包含，才能判断正确，参考unicode中文范围：

示例代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class StringTest {
// --------------------------第一种方式----------------------------
 //英文占1byte，非英文（可认为是中文）占一个以上，根据这个特性来判断字符
 public static boolean checkChar(char ch) {
  if ((ch + "").getBytes().length == 1) {
   return true;//英文
  } else {
// 注意：GBK、GB2312下中文占两个字节，UTF-8下中文占三个字节，不能判断字符占两个字节是中文
// 关于中文字节及编码格式可以看文末的链接
   return false;//中文
  }
 }
// --------------------------第二种方式----------------------------
 public static String checkString(String str) {
  String res = "";
  if (str != null) {
   for (int i = 0; i < str.length(); i++) {
    //只要字符串中有中文则为中文
    if (!checkChar(str.charAt(i))) {
     res = "中文";
     break;
    } else {
     res = "英文";
    }
   }
  }
  return res;
 }
 //判断是不是中文
 public 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.GENERAL_PUNCTUATION
    || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
    || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS) {
   return true;
  }
  return false;
 }
 //判断是不是英文字母
 public static boolean isEnglish(String charaString) {
  return charaString.matches("^[a-zA-Z]*");
 }
 //根据中文unicode范围判断u4e00 ~ u9fa5不全
 public static String isChinese(String str) {
  String regEx1 = "[\\u4e00-\\u9fa5]+";
  String regEx2 = "[\\uFF00-\\uFFEF]+";
  String regEx3 = "[\\u2E80-\\u2EFF]+";
  String regEx4 = "[\\u3000-\\u303F]+";
  String regEx5 = "[\\u31C0-\\u31EF]+";
  Pattern p1 = Pattern.compile(regEx1);
  Pattern p2 = Pattern.compile(regEx2);
  Pattern p3 = Pattern.compile(regEx3);
  Pattern p4 = Pattern.compile(regEx4);
  Pattern p5 = Pattern.compile(regEx5);
  Matcher m1 = p1.matcher(str);
  Matcher m2 = p2.matcher(str);
  Matcher m3 = p3.matcher(str);
  Matcher m4 = p4.matcher(str);
  Matcher m5 = p5.matcher(str);
  if (m1.find() || m2.find() || m3.find() || m4.find() || m5.find())
   return "中文";
  else
   return "英文";
 }
 public static void main(String[] args) {
  System.out.println("使用长度判断:");
  System.out.println(checkString("Hello++"));
  System.out.println(checkString("Hello++。、，？"));
  System.out.println(checkString("Hello++编程"));
  System.out.println(checkString("编程"));
    
  System.out.println("\r\n使用正则表达式判断:");
  System.out.println(isChinese("Hello++"));
  System.out.println(isChinese("Hello++。、，？"));
  System.out.println(isChinese("Hello++编程"));
  System.out.println(isChinese("编程"));
    
  System.out.println("\r\n使用Character.UnicodeBlock");
  System.out.println(isChinese('h')?"中文":"英文");
  System.out.println(isChinese(',')?"中文":"英文");
  System.out.println(isChinese('。')?"中文":"英文");
  System.out.println(isChinese('编')?"中文":"英文");
 }
}

Java一个汉字占几个字节（详解与原理）

有时我们需根据汉字的个数加上单个汉字的尺寸来判断字符串占据的宽度或高度。获取字符串相对于汉字的个数：

    /**
     * 获取字符串相对于汉字的个数
     * @param text 字符串
     * @return 字符串相对于汉字的个数
     */
    private static double getChineseTypeCount(String text){
        char[] textCharArray = text.toCharArray();
        double chineseTypeLength = 0;
        for(char textChar : textCharArray){
            int textCharByteLength = String.valueOf(textChar).getBytes().length;
            if(textCharByteLength == 1){
                chineseTypeLength += 0.5;
            } else {
                chineseTypeLength++;
            }
        }

        return chineseTypeLength;
    }