如何在MySQL中检测汉字？

Question

我需要计算一个列列表中的中文数量。例如，如果“????” 发生，这是中文的四个字符，但我只计算一次，因为它出现在列中。

有没有具体的代码来解决这个问题？

Answer 1

SELECT COUNT(*)
    FROM tbl
    WHERE HEX(col) REGEXP '^(..)*(E[2-9F]|F0A)'

将计算列中包含汉字的记录数col。

问题：

• 我不确定什么范围的十六进制代表中文。
• 测试可能包括韩语和日语。（“中日韩”）
• 在 MySQL 中 4 字节汉字需要utf8mb4代替utf8.

细化

我假设表中的列是CHARACTER SET utf8. 在utf8编码中，汉字以十六进制E2和E9之间的一个字节开始，或者EF，或者F0。那些以十六进制 E 开头的将是 3 个字节长，但我没有检查长度；F0 的将是 4 个字节。

正则表达式开始用^(..)*，意思是“从字符串的开始（^），找到0个或多个（*）2字符（..）值，之后应该是E-something或F0A。在此之后，可能会发生什么。在E-东西，更具体地说，E后跟 2、3、4、5、6、7、8、9 或 F 中的任何一个。

随机挑选，我看到?编码为 3 hex bytes E88D89，编码为 4 hex bytes F0A09C8E。

我不知道检查特定语言的字符串的更好方法。

正如您发现的，REGEXP 可能相当慢。

这个正则表达式可能会被过度使用，因为可能会捕获一些非中文字符。