原创

【Java】判断中英文符号、标点

版权声明:本文为博主原创文章,遵循 CC 4.0 BY 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://bluebird.blog.csdn.net/article/details/54310542

方法一、用unicodeBlock和unicodeScript判断

在Java中,主要使用 Character类处理字符有关功能,而JDK 1.7中Character是按照Unicode 6.0版本实现的,所以这个要先学习下常用的 Unicode编码。

其中的UnicodeBlock 和 UnicodeScript类可以帮助我们判断字符类型,UnicodeBlock是Unicode标准协会组织unicode码的一个基本单位,实际上一个 UnicodeBlock代表一片连续的Unicode号码段,UnicodeBlock之间不重叠。例如,通常我们利用Unicode编码是否在 0x4E00–0x9FCC 来判断某字符是否为汉字,就是因为,有个UnicodeBlock 专门划分为存储汉字 (准确的说是 CJK统一汉字),这个UnicodeBlock叫做 CJK Unified Ideographs,总共定义了 74,617 个汉字。

UnicodeBlock 与 UnicodeScript 关系:

所以UnicodeScript 是从语言书写规则层次对Unicode字符的分类,这是用使用角度划分,而UnicodeBlock是从硬的编码角度划分。

1. UnicodeBlock是简单的数值范围 (其中可能有些Block中会有一些尚未分配字符的“空号”)。

2. 在一个UnicodeScript中的字符可能分散在多个UnicodeBlock中;

3. 一个UnicodeBlock中的字符可能会被划进多个UnicodeScript中。

判别中文标点符号。

因为中文的标点符号主要存在于以下5个UnicodeBlock中,

U2000-General Punctuation (百分号,千分号,单引号,双引号等)

U3000-CJK Symbols and Punctuation ( 顿号,句号,书名号,〸,〹,〺 等;PS: 后面三个字符你知道什么意思吗? : )    )

UFF00-Halfwidth and Fullwidth Forms ( 大于,小于,等于,括号,感叹号,加,减,冒号,分号等等)

UFE30-CJK Compatibility Forms  (主要是给竖写方式使用的括号,以及间断线﹉,波浪线﹌等)

UFE10-Vertical Forms (主要是一些竖着写的标点符号,    等等)

 

 // 根据UnicodeBlock方法判断中文标点符号
    public boolean isChinesePunctuation(char c) {
        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
        if (ub == Character.UnicodeBlock.GENERAL_PUNCTUATION
                || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
                || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS
                || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_FORMS
                || ub == Character.UnicodeBlock.VERTICAL_FORMS) {
            return true;
        } else {
            return false;
        }
    }


方法二、用字符范围判断

 

 

 

 

static boolean isSymbol(char ch)  
    {  
        if(isCnSymbol(ch)) return true;  
        if(isEnSymbol(ch))return true;  
          
        if(0x2010 <= ch && ch <= 0x2017) return true;  
        if(0x2020 <= ch && ch <= 0x2027) return true;   
        if(0x2B00 <= ch && ch <= 0x2BFF) return true;   
        if(0xFF03 <= ch && ch <= 0xFF06) return true;   
        if(0xFF08 <= ch && ch <= 0xFF0B) return true;  
        if(ch == 0xFF0D || ch == 0xFF0F) return true;  
        if(0xFF1C <= ch && ch <= 0xFF1E) return true;  
        if(ch == 0xFF20 || ch == 0xFF65) return true;  
        if(0xFF3B <= ch && ch <= 0xFF40) return true;  
        if(0xFF5B <= ch && ch <= 0xFF60) return true;  
        if(ch == 0xFF62 || ch == 0xFF63) return true;  
        if(ch == 0x0020 || ch == 0x3000) return true;  
        return false;  
  
    }  
    static boolean isCnSymbol(char ch) {  
          if (0x3004 <= ch && ch <= 0x301C) return true;  
          if (0x3020 <= ch && ch <= 0x303F) return true;  
          return false;  
    }  
    static boolean isEnSymbol(char ch){  
          
          if (ch == 0x40) return true;  
          if (ch == 0x2D || ch == 0x2F) return true;  
          if (0x23 <= ch && ch <= 0x26) return true;  
          if (0x28 <= ch && ch <= 0x2B) return true;          
          if (0x3C <= ch && ch <= 0x3E) return true;          
          if (0x5B <= ch && ch <= 0x60) return true;  
          if (0x7B <= ch && ch <= 0x7E) return true;  
  
          return false;  
        }  
  
    static boolean isPunctuation(char ch){  
          if(isCjkPunc(ch)) return true;  
          if(isEnPunc(ch)) return true;  
            
          if(0x2018 <= ch && ch <= 0x201F) return true;     
          if(ch == 0xFF01 || ch == 0xFF02) return true;  
          if(ch == 0xFF07 || ch == 0xFF0C) return true;         
          if(ch == 0xFF1A || ch == 0xFF1B) return true;  
          if(ch == 0xFF1F || ch == 0xFF61) return true;   
          if(ch == 0xFF0E) return true;  
          if(ch == 0xFF65) return true;   
  
          return false;  
        }  
    static boolean isEnPunc(char ch){  
        if (0x21 <= ch && ch <= 0x22) return true;  
      if (ch == 0x27 || ch == 0x2C) return true;  
      if (ch == 0x2E || ch == 0x3A) return true;  
      if (ch == 0x3B || ch == 0x3F) return true;  
  
      return false;  
    }  
    static boolean isCjkPunc(char ch){  
          if (0x3001 <= ch && ch <= 0x3003) return true;  
          if (0x301D <= ch && ch <= 0x301F) return true;  
  
          return false;  
        }  

方法三、自定义标点符号集合,检验(略)

 

参考:http://bbs.csdn.net/topics/390812840

文章最后发布于: 2017-01-10 08:46:48
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览