使用Java判断字符串中的中文字符数量

Java判断一个字符串str中中文的个数，经过总结，有以下几种方法（全部经过验证），可根据其原理判断在何种情况下使用哪个方法：

1、

char[] c = str.toCharArray();
        for(int i = 0; i < c.length; i ++)
        {
            String len = Integer.toBinaryString(c[i]);
            if(len.length() > 8)
                count ++;
        }

 

　　

根据一个中文占两个字节，假如一个字符的字节数大于8，则判断为中文。

2 、

String regEx = "[\\u4e00-\\u9fa5]";
        String term = str.replaceAll(regEx, "aa");
        count = term.length()-str.length();

 

[\u4e00-\u9fa5]是中文的Unicode编码范围，用正则表达式的方法，若字符串中有字符满足中文的正则表达式，则判定为中文，将其替换为两个字符，故长度差就为中文的个数。

 

3、   

String regEx = "[\u4e00-\u9fa5]";
        Pattern p = Pattern.compile(regEx);
        Matcher m = p.matcher(str);
        while(m.find())
        {
            count ++;

}

 

与第二种方法原理一样，只是用了Pattern类，若Matcher可以匹配，则说明找到了一个中文字符。

4、

byte[] bytStr = str.getBytes();
        System.out.println(bytStr);
        
        for(int i = 0; i < bytStr.length; i ++)
        {
            if(bytStr[i] < 0 )//java中文字符是负的BYTE值
            {
                count ++;
                i++;//中文字符是双字节
            }
        }

 

如上的注释所说，中文字符是双字节，且中文字符的byte值是负的，用这个方法来判断。

5、

 String regEx = "[^\u4e00-\u9fa5]+";
        String[] term = str.split(regEx);
        for(int i =0; i < term.length; i ++)
            count = count + term[i].length();

仍然是正则表达式的判断方法。该正则表达式的含义是出去中文以外的所有字符的Unicode编码，将这些除去中文字符之外的其他字符去除，剩下的就都是中文字符，得到的就是中文字符串的数据。