java 判断中文字符

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。

结论：正则表达式很强大！