Java文章的汉字个数、标点符号个数、总的字符个数

最新推荐文章于 2023-03-07 14:50:09 发布

原创

最新推荐文章于 2023-03-07 14:50:09 发布 · 2k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#java

本文介绍了如何使用Java统计文章中汉字、标点符号和总字符数的方法。通过对GBK编码表的研究，作者提出了判断汉字的依据，并给出了相应的函数实现。通过测试《西游记》原文，得出共有589774个汉字，68138个标点符号，总计657912个字符。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.函数介绍

要实现文章的汉字个数、标点符号个数、总的字符个数的统计，首先研究如何判断某个字符是不是汉字，小编研究了GBK的编码表，发现：
GBK中文部分采用双字节编码，总体范围：8140-FEFE，分为首码和尾码，首码范围：81-FE，尾码范围：40-FE。

进一步观察发现汉字的范围是（首码81-A0，尾码40-FE）、（首码AA-AF，尾码40-A0）、（首码B0-F7,尾码40-FE）、（首码F8-FE，尾码40-A0）。非汉字的范围是（首码A1-A9）。

因此可以得出结论：判断一个字符是否是汉字，仅仅看它的GBK码的首码就可以了，若一个字符的GBK码的首码在A1-A9范围内，则认为它不是汉字。

于是得下面的函数：

/*
	功能：统计字符串中汉字个数、标点符号个数、总的字符个数
	输入参数：字符串
	返回：长度为3的数组，数组元素按顺序分别表示：汉字个数、标点符号个数、总的字符个数
	@auther:杨陈菊
	*/
	public static int[] numberOfChar(String str, int[] count)throws Exception{
   
   
		try{
   
   
			byte[] bytes = str.getBytes("GBK");//转码
			for (int i=0;i<(bytes.length/2) ;i++ )