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、
1 char[] c = str.toCharArray(); 2 for(int i = 0; i < c.length; i ++) 3 { 4 String len = Integer.toBinaryString(c[i]); 5 if(len.length() > 8) 6 count ++; 7 }
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。