Java 判斷字符是否為中文的三種高效實現方案

業務場景

表單驗證、內容過濾、敏感詞檢測、中文分詞預處理等場景常需判斷字串是否包含中文或純中文。

方案一：Unicode 區間判斷（最基礎）

CJK 統一漢字基本區：U+4E00 ~ U+9FBF（含 20,902 字）。

public static boolean hasChineseByRange(String str) {
    if (str == null) return false;
    for (char c : str.toCharArray())
        if (c >= 0x4E00 && c <= 0x9FBF) return true;
    return false;
}

public static boolean isChineseByRange(String str) {
    if (str == null) return false;
    for (char c : str.toCharArray())
        if (c < 0x4E00 || c > 0x9FBF) return false;
    return true;
}

缺點：不含中文標點、擴展區、生僻字。

方案二：正則表達式（推薦：效能與可讀性平衡）

private static final Pattern CHINESE_PATTERN = Pattern.compile("[\\u4E00-\\u9FBF]");

public static boolean hasChineseByReg(String str) {
    return str != null && CHINESE_PATTERN.matcher(str).find();
}

public static boolean isChineseByReg(String str) {
    return str != null && CHINESE_PATTERN.matcher(str).matches();
}

優點：編譯器優化、代碼極簡、效能優於手寫迴圈。

方案三：Character.UnicodeBlock 完整覆蓋（最嚴謹）

涵蓋所有 CJK 區塊：基本區、擴展 A/B/C/D、相容區、符號標點、半全形等。

public static boolean isChinese(char c) {
    Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
    return ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS
        || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS
        || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION
        || 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.GENERAL_PUNCTUATION
        || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS;
}

public static boolean hasChinese(String str) {
    if (str == null) return false;
    for (char c : str.toCharArray()) if (isChinese(c)) return true;
    return false;
}

public static boolean isChinese(String str) {
    if (str == null) return false;
    for (char c : str.toCharArray()) if (!isChinese(c)) return false;
    return true;
}

測試對照表

選型建議

1. 僅需判斷「是否含漢字」，正則方案二效能最佳、代碼最少。
2. 需精確識別「純中文含標點」，使用 方案三 UnicodeBlock。
3. 極高頻調用（百萬級/秒），可將方案一優化為 switch 表或查表法（boolean[65536]）。

補充：補充字元

Java char 為 UTF-16 代碼單元，無法直接處理補充平面字元（如 𠮷 U+20BB7）。若需支援，請用 codePointAt 遍歷 int 碼點並配合 Character.UnicodeBlock.of(int)。