如何提取文本文件里面的中文

Question

如何只读文本文件中的中文？

Answer 1

楼上说的不错，是用FileReader，我再补充一下：由于汉字的Unicode码很大，你可以设一个界，比如小于1000的都不要，这样剩下的就是中文的。例如：    public static void main(String[] args) {
System.out.println((int)'我');
} 输出的是25105

Answer 2

用 汉字  的 unicode 编码 范围 来 判断 是否是 汉字  然等候 在 选择读取 
if(((st.charAt(i) >= 0x3400) && (st.charAt(i) < 0x9FFF)) || (st.charAt(i) >= 0xF900))
{
。。
}

Answer 3

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;public class FileOperate {//文件操作类 public String content;
public String Econtent;
public String temp;
public String txts;

public void ReadTxt() {//读取存在的文本文件
try { 
    BufferedReader in = new BufferedReader(new FileReader("文件名.txt"));
    boolean eof = false;
                    temp = in.readLine();
    content = temp;
    while (!eof) {
     String line = in.readLine();
     if (line == null)
     eof = true;
     else {
     content = content + line;
     }
    }
    in.close();
                    System.out.println(content);//输出文本文件
}
catch (IOException e) {
System.out.println("Error --" + e.toString());
}
}
}

Answer 4

没看清题意，不好意思~只读中文，你可以加上限制条件判断每个字符int是否在中文的范围之内！
这样就不能readline()，要用字节的读法，给你一个参考函数：public static void readFileByChars(String fileName){
   File file = new File(fileName);
   Reader reader = null;
   try {
    System.out.println("以字符为单位读取文件内容，一次读一个字节：");
    // 一次读一个字符
    reader = new InputStreamReader(new FileInputStream(file));
    int tempchar;
    while ((tempchar = reader.read()) != -1){
     //对于windows下，\r\n这两个字符在一起时，表示一个换行。
     //但如果这两个字符分开显示时，会换两次行。
     //因此，屏蔽掉\r，或者屏蔽\n。否则，将会多出很多空行。
     if (((char)tempchar) != '\r'){
      System.out.print((char)tempchar);
     }
    }
    reader.close();
   } catch (Exception e) {
    e.printStackTrace();
   }
   try {
    System.out.println("以字符为单位读取文件内容，一次读多个字节：");
    //一次读多个字符
    char[] tempchars = new char[30];
    int charread = 0;
    reader = new InputStreamReader(new FileInputStream(fileName));
    //读入多个字符到字符数组中，charread为一次读取字符数
    while ((charread = reader.read(tempchars))!=-1){
     //同样屏蔽掉\r不显示
     if ((charread == tempchars.length)&&(tempchars[tempchars.length-1] != '\r')){
      System.out.print(tempchars);
     }else{
      for (int i=0; i<charread; i++){
       if(tempchars[i] == '\r'){
        continue;
       }else{
        System.out.print(tempchars[i]);
       }
      }
     }
    }
   
   } catch (Exception e1) {
    e1.printStackTrace();
   }finally {
    if (reader != null){
     try {
      reader.close();
     } catch (IOException e1) {
     }
    }
   }
}

Answer 5

public String getChinese(String Content){
StringBuffer bf = new StringBuffer();
        char[]   chars   =   Content.toCharArray();   
        for   (int i=0;i<chars.length;i++)   {   
         if(chars[i]>127){  
         bf.append(chars[i]);   
         }   
}
        String str = bf.toString();
        return str;
}

Answer 6

对于未知编码类型的文本文件，你根本无法判断里面的哪些是汉字。比如同样的汉字，用GBK保存和UTF-8保存，其结果就很有意思，UTF-8保存时每个汉字3个字节，GBK是2个字节如果你打开文件，发现是6个字节，到底是2个汉字还是3个汉字呢？所以，检测文件的编码类型是关键，但可惜，一般都做不到。
你在IE里面由于选错了编码。经常看到莫名其妙的汉字，虽然是乱码，但绝对是汉字。

Answer 7

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;class FileOperate {//文件操作类
    //返回指定文本文件中的文本内容  readTxt(文件路径)
    public static String readTxt(String fileURL) {//读取存在的文本文件
        try { 
            BufferedReader br = new BufferedReader(new FileReader(fileURL);
            String temp;
            String sumStr="";
            while (( temp= br.readLine())!=null) {
               sumStr+=(temp+"\n")
            }
        }
        catch (IOException e) {}
       finally{
          br.close();
       }
       return sumStr;
    }
}

Answer 8

java2000_net   我用getEncoding()  是GBK 格式的 ，

Answer 9

sunwei_07    if(chars[i]> 127)   你知道纯数字的范围是多少不？我现在不光要取得汉字 还要取 数字

Answer 10

0～9（半角）
ASCII：48～57
UNICODE：U+0030～U+0039０～９（全角）
UNICODE：U+FF10～U+FF19

Answer 11

这个ASCII码的范围那里有的查 我baidu 了好久都没找到，  还有这种方法也可以 得到汉字？  怎么能同时用这么多方法区分？  
汉字     的   unicode   编码   范围   来   判断   是否是   汉字     然等候   在   选择读取   
if(((st.charAt(i)   > =   0x3400)   &&   (st.charAt(i)   <   0x9FFF))   ¦ ¦   (st.charAt(i)   > =   0xF900)) 
{ 
。。 
}

Answer 12

if(((st.charAt(i)       >   =       0x3400)       &&       (st.charAt(i)       <       0x9FFF))       ¦   ¦       (st.charAt(i)       >   =       0xF900))   
{   
。。   
}
这种事什么区分法  我试了 确实可以！

Answer 13

这个不少ASCII码，是UNICODE16编码。

Answer 14

UNICODE的文章可以看这篇，
http://baike.baidu.com/view/40801.htm因为Java更多是处理UNICODE的，了解UNICODE16就差不多了。

Answer 15

基本汉字的Unicode的范围是：U+4E00～U+9FFFU+F900～U+FAFF是一些超范围的兼容性汉字
U+FF00～U+FFEF是一些标点、全角数字和字母，以及一些其他一些字符

Answer 16

不要采用charAt()，可以采用toCharArray()转成char数组，这样会更快一些。如果比较char，建议不要采用0xXXXX的方式，这样比较慢一些，涉及类型转换。
可以直接采用Unicode码来进行比较（把0x换成\u再在两边各加一个单引号）：比如：c[i] >= '\u4e00'