求助:java如何确定读取的字节是中文?

Question

举例:test.txt文件内容是:
中ab国cd,.?因为要对读取的字节做一些计算处理,所以采用InputStream(new FileInputStream("test.txt"));来读取文件,读取英文与标点符号时通过(char)ch可以转换成可见字符.但当读取到中文时(中文是占用两个字节)..这个时候如何确定读的是中呢?

Answer 1

java里面 char也是两个字节的 

Answer 2

    c="中";　　if(c>='\u4e00' && c<='\u9fbf'){
　　　　System.out.println("是汉字");
　　}else{
　　　　System.out.println("不是汉字");
　　}

Answer 3

public static void main(String args[]) throws Exception {
String s="外ty过56"; for(int i=0; i<s.length(); i++) {
System.out.printf("%c -- ", s.charAt(i));
boolean b = (s.charAt(i) + "").matches("[\u4e00-\u9faf]");
if(b)
    System.out.println("是汉字");
else
    System.out.println("不是汉字");
}

}

Answer 4

unicode是双字节，作为汉字来讲，他的高位（也就是第一个字节）应该是固定的，我忘了应该是等于0 还是<或>0，查一下资料，
思路就是比较汉字的高位，以前做过一个类似的东西，现在忘了。

Answer 5

boolean b = (s.charAt(i) + "").matches("[\u4e00-\u9faf]");        
这么匹配会不会很慢

Answer 6

我把问题再表达清楚点.操作系统:WinXP
例子文件:
通过"记事本"程序创建的文件(ANSI)格式:
test.txt
内容:
              a  b  c  d    中   国    ,  .  ?
对应的16进制码:61 62 63 64 d6d0 b9fa  2c 2e 3fint ch;
while((ch = in.read()) != -1)
{
   System.out.println((char)ch));//当是汉字时,这样简单的输出就不对了.
}
我要通过java一个字节一个字节的读取数据(8bit),读到a时通过(char)ch可以转换成可见字符,因为char是16bit的,底8bit保存61,,所以应该是0061(没测试过,想着应该是)输出是没有问题的..但当是汉字'中'时,如果单独的当一个字节处理d6=-42再转换过来(char)ch = \uffd6输出的就是乱码..应该把d6d0合着输出(怎么合着输出,占时不管它)...读到d6时怎么知道它是个汉子呢?

Answer 7

public class LanguageTest { /**
 * @param args
 */
public static void main(String[] args) {
char c = '中';
if(c>='\u4e00' && c<='\u9fbf')
System.out.println("是汉字");
else
System.out.println("不是汉字"); }}

Answer 8

楼上的...char在java中也是16bit的,,所以你那样做是没有问题的,但是我是从文件中读取,,按字节处理.

Answer 9

test.txt文件中的汉字并不一定是占两个字节的，如果是GBK、GB2312或GB18030的话，是占两个字节的，如果是UTF-8的话是占三个字节的，在使用InputStream读取文件时，必须要知道文件的编码格式，以及字节的高低顺序。不建议手工处理字节流，可以使用指定编码格式的字符流直接读出一个汉字。

Answer 10

int b = in.read();
if(b > 0x7f) {
  再读取一个字节
}

Answer 11

b > 0x7f
判断高位

Answer 12

LZ 可以试试这个：public   static   final   int   checkChinese(String   Str)     
  {     
  int   r=2;   
  for(int   i=0;i<Str.length();i++)     
  {   
  char   ch=Str.charAt(i);     
  short   chint=(short)ch;     
  if((chint>=48)&&(chint<=57))   
  {   
  //这个字符是数字   
  }   
  else   
  if(((chint>=91)&&(chint<=122))||((chint>=65)&&(chint<=90))||(chint==95))   
  {   
  //这个字符是英文或者是"_"   
  r=1;   
  }   
  else   
  if(((chint&0XFF00)>>8)>0)     
  {   
  //这个字符是中文   
  r=0;   
  }   
  else   
  {   
  //这个字符是特殊字符   
  r=-1;   
  }   
  }   
  return   r;     
  }     

Answer 13

String.toBytes();用这个方法把字符转为byte集...然后遍历这个BYTE集...byte值小于零的就是汉字

Answer 14

我也来发个！ public static boolean isNotChinaCode(String c){
// \w A word Character[a-zA-Z_0-9]
// \p{Punct} Punctuation: One of !"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ 
Pattern p=Pattern.compile("[\\w]|[\\p{Punct}]");
Matcher m=p.matcher(String.valueOf(c));
return m.matches();
}