【java文本处理】实现文档中字母、数字、汉字、标点符号和总字符的个数计算

最新推荐文章于 2024-05-24 16:33:48 发布

原创

最新推荐文章于 2024-05-24 16:33:48 发布 · 3.3k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#java

该博客介绍了如何使用Java实现文档中字母、数字、汉字、标点符号和总字符的计数。通过InputStreamReader读取文本，逐行分析，利用UnicodeBlock判断中文字符和标点。提供了程序代码和功能演示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

01. 目的

累计文档中字母、数字、汉字、标点符号以及全部字符的数目。

注：文档中的空格、英文标点符号归为：“其他字符”

02. 主要方法

（1）用InputStreamReader读入文本内容，以行读入str = buf.readLine()并判断一行中每个字符str.charAt(i)；

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

（3）判断数字：str.charAt(i)>='0' && str.charAt(i)<='9'

（4）判断汉字：str.charAt(i)>=0x4e00 && str.charAt(i)<=0x9fbb

判断中文字符：（包括中文标点符号）str.charAt(i)>=0x0391 && s.charAt(i)<=0xFFE5

此例中汉字和标点符号分别判断

（5）判断中文标点符号：
参考：Java判断中文符号 — Character.UnicodeBlock中的cjk说明

Character.UnicodeBlock pun = Character.UnicodeBlock.of(str.charAt(i));	 //获取此字符的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的说明：

Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ： 4E00-9FBF：CJK 统一表意符号

Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS ：F900-FAFF：CJK 兼容象形文字

Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A ：3400-4DBF：CJK 统一表意符号扩展A

Character.UnicodeBlock.GENERAL_PUNCTUATION ：2000-206F：常用标点

Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION ：3000-303F：CJK 符号和标点

Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS ：FF00-FFEF：半角及全角形式