Java Character 实现Unicode字符集介绍 CJK中文字符和中文标点判断，现在小编就来说说关于中文标点符号怎么切换?下面内容希望能帮助到你，我们来一起看看吧!

中文标点符号怎么切换（中文字符与中文标点符号判断）

中文标点符号怎么切换

Java Character 实现Unicode字符集介绍 CJK中文字符和中文标点判断

主要内容：

做中文信息处理，经常会遇到如何判断一个字是否是中文，或者是否是中文的标点符号等。

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。

具体的定义、历史等请见 wikiwikipedia

Character 类中有3个静态内部类，

Modifier and Type

http://http://www.cnblogs.com/zztt/admin/EditPosts.aspx?opt=1www.cnblogs.com/zztt/admin/EditPosts.aspx?opt=1Class and Description

static class

Character.Subset

Instances of this class represent particular subsets of the Unicode character set.

static class

Character.UnicodeBlock

A family of character subsets representing the character blocks in the Unicode specification.

static class

Character.UnicodeScript

A family of character subsets representing the character scripts defined in the Unicode Standard Annex #24: Script Names.

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。

当然还有其他很多UnicodeBlock，例如，对于汉字还有4个扩展 UnicodeBlock，CJK Unified Ideographs Extension A, B, C, D 分别都扩展了一些我们平时见都没见过的汉字(如果不是专门的古籍数字化，Unicode字符集中的汉字普通交流够了)

Unicode中一种Script通常就是一个字符或者其他书写符号的集合，代表着一种或多种writing systems （这里暂且翻译为文书类型，文书类型细分可以分成不同语言)。有些Script仅支持一种文字类型，有些可以支持多种，例如 Latin Script 支持 supports English, French, German, Italian, Vietnamese, Latin 等等，具体可见wikipedia，

http://en.wikipedia.org/wiki/Scripts_in_Unicode

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。

另外需要注意的是UnicodeScript实现是在Java 7中新引入的。

具体在编写程序中，可以游2种办法，一是使用 UnicodeBlock，请见代码：

//使用UnicodeBlock方法判断 publicbooleanisChineseByBlock(charc){ Character.UnicodeBlockub=Character.UnicodeBlock.of(c); if(ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D ||ub==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS ||ub==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT){ returntrue; }else{ returnfalse; } }

或者如果使用JDK1.7，那么UnicodeScript方法会更方便，因为UnicodeScript.HAN 包括了上面所列的5个UnicodeBlock：

//使用UnicodeScript方法判断 publicbooleanisChineseByScript(charc){ Character.UnicodeScriptsc=Character.UnicodeScript.of(c); if(sc==Character.UnicodeScript.HAN){ returntrue; } returnfalse; }

类似的，扩展开去还可以判别中文标点符号。

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 publicbooleanisChinesePunctuation(charc){ Character.UnicodeBlockub=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){ returntrue; }else{ returnfalse; } }

最后上测试代码：

importjava.util.regex.Pattern; publicclassCharClassifier{ publicstaticvoidmain(String[]args){ CharClassifierclassifier=newCharClassifier(); String[]strings=newString[]{"Hello","你好","㐀㐂㐄","にほんご","조선어",",.?!@#$%^&()","，。？！＠＃￥％……＆（）"}; for(inti=0;i<strings.length;i ){ Stringstr=strings[i]; System.out.println("原字符串为：" str); char[]chars=str.toCharArray(); if(i<5){ System.out.println("使用0x4E00-0x9FCC范围判断字符是否为汉字："); for(charaChar:chars){ System.out.println(aChar ":" (classifier.isChineseByRange(String.valueOf(aChar))?"YES":"NO")); } System.out.println("使用UnicodeBlock方法判断字符是否为汉字："); for(charaChar:chars){ System.out.println(aChar ":" (classifier.isChineseByBlock(aChar)?"YES":"NO")); } System.out.println("使用UnicodeScript方法判断字符是否为汉字："); for(charaChar:chars){ System.out.println(aChar ":" (classifier.isChineseByScript(aChar)?"YES":"NO")); } }else{ System.out.println("判断是否为中文符号："); for(charaChar:chars){ System.out.println(aChar ":" (classifier.isChinesePunctuation(aChar)?"YES":"NO")); } } } } //使用UnicodeBlock方法判断 publicbooleanisChineseByBlock(charc){ Character.UnicodeBlockub=Character.UnicodeBlock.of(c); if(ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_C ||ub==Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_D ||ub==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS ||ub==Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS_SUPPLEMENT){ returntrue; }else{ returnfalse; } } //使用UnicodeScript方法判断 publicbooleanisChineseByScript(charc){ Character.UnicodeScriptsc=Character.UnicodeScript.of(c); if(sc==Character.UnicodeScript.HAN){ returntrue; } returnfalse; } //根据UnicodeBlock方法判断中文标点符号 publicbooleanisChinesePunctuation(charc){ Character.UnicodeBlockub=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){ returntrue; }else{ returnfalse; } } //使用Unicode编码范围来判断汉字；这个方法不准确,因为还有很多汉字不在这个范围之内 publicbooleanisChineseByRange(Stringstr){ if(str==null){ returnfalse; } Patternpattern=Pattern.compile("[\\u4E00-\\u9FCC] "); returnpattern.matcher(str.trim()).find(); } }

程序输出：

原字符串为：Hello 使用0x4E00-0x9FCC范围判断字符是否为汉字： H:NO e:NO l:NO l:NO o:NO 使用UnicodeBlock方法判断字符是否为汉字： H:NO e:NO l:NO l:NO o:NO 使用UnicodeScript方法判断字符是否为汉字： H:NO e:NO l:NO l:NO o:NO 原字符串为：你好 使用0x4E00-0x9FCC范围判断字符是否为汉字： 你:YES 好:YES 使用UnicodeBlock方法判断字符是否为汉字： 你:YES 好:YES 使用UnicodeScript方法判断字符是否为汉字： 你:YES 好:YES 原字符串为：㐀㐂㐄 使用0x4E00-0x9FCC范围判断字符是否为汉字： 㐀:NO 㐂:NO 㐄:NO 使用UnicodeBlock方法判断字符是否为汉字： 㐀:YES 㐂:YES 㐄:YES 使用UnicodeScript方法判断字符是否为汉字： 㐀:YES 㐂:YES 㐄:YES 原字符串为：にほんご 使用0x4E00-0x9FCC范围判断字符是否为汉字： に:NO ほ:NO ん:NO ご:NO 使用UnicodeBlock方法判断字符是否为汉字： に:NO ほ:NO ん:NO ご:NO 使用UnicodeScript方法判断字符是否为汉字： に:NO ほ:NO ん:NO ご:NO 原字符串为：조선어 使用0x4E00-0x9FCC范围判断字符是否为汉字： 조:NO 선:NO 어:NO 使用UnicodeBlock方法判断字符是否为汉字： 조:NO 선:NO 어:NO 使用UnicodeScript方法判断字符是否为汉字： 조:NO 선:NO 어:NO 原字符串为：,.?!@#$%^&() 判断是否为中文符号： ,:NO .:NO ?:NO !:NO @:NO #:NO $:NO %:NO ^:NO &:NO (:NO ):NO 原字符串为：，。？！＠＃￥％……＆（） 判断是否为中文符号： ，:YES 。:YES ？:YES ！:YES ＠:YES ＃:YES ￥:YES ％:YES …:YES …:YES ＆:YES （:YES ）:YES

,