使用Java判斷字符串中的中文字符數量

Java判斷一個字符串str中中文的個數，經過總結，有以下幾種方法（全部經過驗證），可根據其原理判斷在何種情況下使用哪個方法：

1、

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

 

　　

根據一個中文占兩個字節，假如一個字符的字節數大於8，則判斷為中文。

2 、

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

 

[\u4e00-\u9fa5]是中文的Unicode編碼范圍，用正則表達式的方法，若字符串中有字符滿足中文的正則表達式，則判定為中文，將其替換為兩個字符，故長度差就為中文的個數。

 

3、   

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

}

 

與第二種方法原理一樣，只是用了Pattern類，若Matcher可以匹配，則說明找到了一個中文字符。

4、

byte[] bytStr = str.getBytes();
        System.out.println(bytStr);
        
        for(int i = 0; i < bytStr.length; i ++)
        {
            if(bytStr[i] < 0 )//java中文字符是負的BYTE值
            {
                count ++;
                i++;//中文字符是雙字節
            }
        }

 

如上的注釋所說，中文字符是雙字節，且中文字符的byte值是負的，用這個方法來判斷。

5、

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

仍然是正則表達式的判斷方法。該正則表達式的含義是出去中文以外的所有字符的Unicode編碼，將這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數據。