Java 判斷字串是否包含中文字符：正則與 Matcher 實作

前言

檢測字串是否包含中文字符是常見驗證需求。本文對比正則表達式與 Matcher 兩種方案，提供生產級工具方法並分析效能差異。

方案一：正則表達式直匹

public static boolean containsChinese(String str) {
    if (str == null) return false;
    // Unicode 範圍：基本漢字區 \u4e00-\u9fa5
    return str.matches(".*[\u4e00-\u9fa5].*");
}

• 優點：單行代碼、語義清晰
• 缺點：matches() 需匹配整字串，.* 回溯開銷大；頻繁調用編譯正則有開銷

方案二：Pattern + Matcher 復用（推薦）

import java.util.regex.*;

public class ChineseDetector {
    // 預編譯 Pattern，靜態常量復用
    private static final Pattern CHINESE_PATTERN = Pattern.compile("[\u4e00-\u9fa5]");
    
    public static boolean containsChinese(String str) {
        if (str == null) return false;
        Matcher matcher = CHINESE_PATTERN.matcher(str);
        return matcher.find(); // 找到第一個即返回，無需匹配全文
    }
}

• 優點：Pattern 線程安全可復用；find() 短路求值，發現即停止；效能穩定
• 擴展：支援擴展 Unicode 範圍（如 [\u4e00-\u9fff\u3400-\u4dbf] 覆蓋擴展區）

完整工具類

public class StringUtils {
    private static final Pattern CHINESE = Pattern.compile("[\u4e00-\u9fa5]");
    private static final Pattern CHINESE_EXT = Pattern.compile("[\u4e00-\u9fff\u3400-\u4dbf\uf900-\ufaff]");
    
    /** 檢測基本漢字區 */
    public static boolean containsChinese(String str) {
        return str != null && CHINESE.matcher(str).find();
    }
    
    /** 檢測含擴展區漢字 */
    public static boolean containsChineseExtended(String str) {
        return str != null && CHINESE_EXT.matcher(str).find();
    }
    
    /** 計算中文字符數量 */
    public static int countChinese(String str) {
        if (str == null) return 0;
        int count = 0;
        Matcher m = CHINESE.matcher(str);
        while (m.find()) count++;
        return count;
    }
    
    /** 提取所有中文字符 */
    public static String extractChinese(String str) {
        if (str == null) return "";
        Matcher m = CHINESE.matcher(str);
        StringBuilder sb = new StringBuilder();
        while (m.find()) sb.append(m.group());
        return sb.toString();
    }
}

Unicode 範圍對照表

效能基準測試 (JMH)

@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public class ChineseDetectBenchmark {
    private static final String TEST_STR = "Hello 世界 123 你好";
    private static final Pattern PATTERN = Pattern.compile("[\u4e00-\u9fa5]");
    
    @Benchmark
    public boolean matches() { return TEST_STR.matches(".*[\u4e00-\u9fa5].*"); }
    
    @Benchmark
    public boolean matcherFind() { return PATTERN.matcher(TEST_STR).find(); }
    
    @Benchmark
    public boolean loopChar() {
        for (char c : TEST_STR.toCharArray()) 
            if (c >= 0x4e00 && c <= 0x9fa5) return true;
        return false;
    }
}

典型結果 (納秒/操作)

最佳實踐建議

1. 高頻調用用 Matcher：預編譯 Pattern 靜態常量，find() 短路
2. 極簡場景用 char 循環：無依賴、效能最優、但需手動維護 Unicode 範圍
3. 避免 matches()：整文匹配開銷大，且每次編譯正則
4. 擴展區按需啟用：基本區覆蓋 99%+ 場景，擴展區增加匹配開銷
5. Null 安全：入參檢查 str == null 返回 false

常見誤區

• [\u4e00-\u9fa5] 不包含中文標點、全形數字，需額外加入 \u3000-\u303f\uff00-\uffef
• String.contains() 無法用於字符範圍判斷
• 正則 .*[\u4e00-\u9fa5].* 在長字串無匹配時回溯災難性增長

總結

判斷字串含中文，推薦 預編譯 Pattern + Matcher.find() 方案：效能穩定、代碼簡潔、易於擴展 Unicode 範圍。極高頻熱點路徑可考慮 char 循環優化。生產代碼務必處理 null 輸入，並根據業務決定是否納入擴展區與標點符號。