使用JavaScript检查字符串是否包含日文字符(包括汉字)

Question

如何检查给定字符串是否包含一个或多个日文字符(由假名和/或汉字组成)？

我在这里看到了一个类似的问题:如何检查变量是否包含中文/日文字符？,我用解决方案来提出这个:

var containsJapanese = string.match(/[\u3400-\u9FBF]/);

然而,这给出了许多误报.

我已经通过脚本遍历整个网页的内容(例如Facebook,Stack Overflow等)来测试它,并标记了应该包含日文文本的div.在这种情况下,大量的div最终会被错误标记.我还测试了该网页做包含日文文本,而日本的div那里最终得到与许多错误标记的div正确标记.

Answer 1

检查这是否有效.我发现这个网站似乎列出了可能在日文文本中使用的Unicode中的所有字符.

相应的正则表达式(单个字符)将是:

/[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff\uff00-\uff9f\u4e00-\u9faf\u3400-\u4dbf]/
  -------------_____________-------------_____________-------------_____________
   Punctuation   Hiragana     Katakana    Full-width       CJK      CJK Ext. A
                                            Roman/      (Common &      (Rare)    
                                          Half-width    Uncommon)
                                           Katakana

范围是(从网站引用):

• 3000 - 303f:日式标点符号
• 3040 - 309f:平假名
• 30a0 - 30ff:片假名
• ff00 - ff9f:全角罗马字符和半角片假名
• 4e00 - 9faf:CJK统一表意文字 - 普通和不常见的汉字
• 3400 - 4dbf:CJK统一表意文字扩展A - 罕见汉字

我稍微改变了范围:

• 我从改ff00 - ffef到ff00 - ff9f了全角罗马字符和半角片假名.代码点ffa0 - ffdc包含Hangul半角字符,这不是你想要的.您可能希望重新添加代码点ffe0 - ffef,但它们大多是半角标点符号或全角货币符号.

您可以检查网站并取消您不想要的任何范围,或确保它不会出现在您的输入中.