java 中判断字符串是否都是汉字

需求：

需要判断输入字符是否是一个汉字，因为汉字都有唯一的Unicode码点，因此使用Unicode 码点判断是否汉字，这里用四字节汉字作为一个案例进行演示，这个字在扩展B区，即"U+20000~U+2A6D6"

 

备注：这里的Unicode 编码 20164是十六进制编码，即判断 20164 是否是在“20000~2A6D6”之间，因为此字是四字节汉字，java在进行处理时会有一些问题，因为java在存储汉字时，使用UTF-16编码代码单元来存储汉字，如果码点值小于65535（十进制），则用一个代码单元存储，如果是大于65535 则使用两个代码单元存储。因此在循环时需要使用码点数进行遍历，而不能根据字符串长度。

1.字符串遍历

根据上面的需求，第一步需要完成字符串的遍历，将字符串中的每个汉字挨个进行遍历

字符串遍历（异常情况）代码解析：

import java.util.regex.Pattern;
import java.util.stream.IntStream;
/**
 * @Description TODO
 * @date 2024/10/28 9:47
 * @Version 1.0
 * @Author gezongyang
 */
public class TestCharset {
    public static void main(String[] args) {
        String testString = "我𠅤";
        for (int i = 0; i < testString.length(); i++) {
            int codePoint = testString.codePointAt(i);
            System.out.println("Code point: " + Integer.toHexString(codePoint));
        }
    }
}

字符串遍历（正常情况）代码解析：

import java.util.regex.Pattern;
import java.util.stream.IntStream;
/**
 * @Description TODO
 * @date 2024/10/28 9:47
 * @Version 1.0
 * @Author gezongyang
 */
public class TestCharset {
    public static void main(String[] args) {
        String testString = "我𠅤";
        int length = testString.length();
        for (int i = 0; i < length; ) {
            int codePoint = testString.codePointAt(i);
            System.out.println("Code point: " + Integer.toHexString(codePoint) + ", Character: " + new String(Character.toChars(codePoint)));
            //遍历索引位置偏移量为上个码点的索引值
            i += Character.charCount(codePoint);
        }
    }
}

2.字符校验是否为汉字

说明：为了校验一个字符串中的每个字符是否都是汉字，包括那些码点值大于65536的生僻字（即增补平面中的汉字），需要遍历字符串中的每一个字符，判断每个字符的码点值是否在 汉字的Unicode区间内

* 扩展A区：\u3400-\u4DBF
* 扩展B区：\U00020000-\U0002A6DF
* 扩展C区：\U0002A700-\U0002B73F
* 扩展D区：\U0002B740-\U0002B81F
* 扩展E区：\U0002B820-\U0002CEAF
* 扩展F区：\U0002CEB0-\U0002EBEF

下面是示例代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.stream.IntStream;

/**
 * @Description TODO
 * @date 2024/10/28 9:47
 * @Version 1.0
 * @Author gezongyang
 */
public class TestCharset {
    public static boolean isChineseCharacter(int codePoint) {

        // 常用汉字范围
        if (codePoint >= 0x4e00 && codePoint <= 0x9fa5) {
            return true;
        }
        // 扩展A
        if (codePoint >= 0x3400 && codePoint <= 0x4dbf) {
            return true;
        }
        // 扩展B
        if (codePoint >= 0x20000 && codePoint <= 0x2a6df) {
            return true;
        }
        // 扩展C
        if (codePoint >= 0x2a700 && codePoint <= 0x2b73f) {
            return true;
        }
        // 扩展D
        if (codePoint >= 0x2b740 && codePoint <= 0x2b81f) {
            return true;
        }
        // 扩展E
        if (codePoint >= 0x2b820 && codePoint <= 0x2ceaf) {
            return true;
        }
        // 扩展F
        if (codePoint >= 0x2ceb0 && codePoint <= 0x2ebef) {
            return true;
        }
        // 更多的扩展可以继续添加
        return false;
    }

    public static void main(String[] args) {
        String testString = "𠅤我";
        // 遍历字符串中的每个字符
        for (int i = 0; i < testString.length(); ) {
            int codePoint = testString.codePointAt(i);
            boolean chineseCharacter = isChineseCharacter(codePoint);
            System.out.println(chineseCharacter);
            // 更新索引以跳过当前字符
            i += Character.charCount(codePoint);
        }
    }
}

校验结果：

true
true