萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> .NET 程式設計

C# 判斷字元是否為中文:Unicode 範圍 (0x4E00~0x9FFF) 精準檢測

核心邏輯:CJK 統一表意文字區塊

中文字元在 Unicode 中主要集中於 CJK Unified Ideographs 區塊:U+4E00 ~ U+9FFF。透過 Char.ConvertToUtf32 取得字元的 Unicode 碼點,判斷是否落於此範圍即可。

標準實作

protected bool IsChineseLetter(string input, int index) {
    if (string.IsNullOrEmpty(input) || index < 0 || index >= input.Length) return false;

    int codePoint = Char.ConvertToUtf32(input, index); // 正確處理代理對
    const int chFrom = 0x4E00; // 19968
    const int chEnd  = 0x9FFF; // 40959

    return codePoint >= chFrom && codePoint <= chEnd;
}

關鍵點解析

  • Char.ConvertToUtf32(string, index):正確處理補充字元(Surrogate Pair),比 (int)char 更可靠
  • 範圍 0x4E00~0x9FFF 涵蓋 20,992 個常用漢字(含繁簡)
  • 不包含:中文標點(全形標點在 FF00~FFEF)、注音符號、擴展區漢字(20000~2FFFF)

擴展:支援更完整的中文字元

public static bool IsChineseCharExtended(string input, int index) {
    if (string.IsNullOrEmpty(input) || index < 0 || index >= input.Length) return false;
    int cp = Char.ConvertToUtf32(input, index);

    // 基本區 + 擴展區A + 兼容區 + 全形標點/符號
    return (cp >= 0x4E00 && cp <= 0x9FFF) ||      // CJK Unified Ideographs
           (cp >= 0x3400 && cp <= 0x4DBF) ||      // CJK Extension A
           (cp >= 0x20000 && cp <= 0x2A6DF) ||    // CJK Extension B
           (cp >= 0x2A700 && cp <= 0x2B73F) ||    // CJK Extension C
           (cp >= 0x2B740 && cp <= 0x2B81F) ||    // CJK Extension D
           (cp >= 0x2B820 && cp <= 0x2CEAF) ||    // CJK Extension E
           (cp >= 0xF900 && cp <= 0xFAFF) ||      // CJK Compatibility
           (cp >= 0xFF00 && cp <= 0xFFEF);        // Halfwidth and Fullwidth Forms (全形標點)
}

字串層級檢測

public static bool ContainsChinese(string input) {
    if (string.IsNullOrEmpty(input)) return false;
    for (int i = 0; i < input.Length; ) {
        int cp = Char.ConvertToUtf32(input, i);
        if (cp >= 0x4E00 && cp <= 0x9FFF) return true;
        i += Char.IsSurrogatePair(input, i) ? 2 : 1; // 正確推進索引
    }
    return false;
}

public static int CountChineseChars(string input) {
    int count = 0;
    for (int i = 0; i < input.Length; ) {
        int cp = Char.ConvertToUtf32(input, i);
        if (cp >= 0x4E00 && cp <= 0x9FFF) count++;
        i += Char.IsSurrogatePair(input, i) ? 2 : 1;
    }
    return count;
}

效能優化:預編譯正則表達式

private static readonly Regex ChineseRegex = new Regex(@"\p{IsCJKUnifiedIdeographs}", RegexOptions.Compiled);
public static bool IsChineseRegex(string input) => ChineseRegex.IsMatch(input);

\p{IsCJKUnifiedIdeographs} 為 Unicode 類別名稱,可讀性高、效能佳(靜態編譯)。

應用場景

  • 輸入驗證:姓名、地址必須包含中文
  • 內容審核:過濾純英文/數字垃圾評論
  • 統計分析:計算中文佔比、斷詞預處理
  • 編碼轉換:舊系統 Big5/GB2312 轉 Unicode 時驗證

測試用例

// 基本區
IsChineseLetter("中", 0)     // true
IsChineseLetter("文", 0)     // true
// 邊界
IsChineseLetter("一", 0)     // true (0x4E00)
IsChineseLetter("龟", 0)     // true (0x9FFF)
// 非中文
IsChineseLetter("A", 0)      // false
IsChineseLetter("1", 0)      // false
IsChineseLetter("。", 0)     // false (全形句號 0x3002)
// 代理對 (Ext-B) "𠀀" (U+20000)
IsChineseLetter("𠀀", 0)     // false (基本版) / true (擴展版)
copyright © 萬盛學電腦網 all rights reserved