本文介绍了Java判断中英文符号、标点的实现，分享给大家，具体如下：
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)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
// 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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
|
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; } |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://blog.csdn.net/ztf312/article/details/54310542
