分析Java中的全角或半角字符

Question

我想分析 char 数组中的全角或半角字符。

\n\n

例如：

\n\n

char[]密码={'t','e','s','t','\xe6\x80\x9d','\xe9\xa1\x8c'};

\n\n

这个char数组中有全角和半角字符。

\n\n

半宽 = t,e,s,t

\n\n

全宽 = \xe6\x80\x9d,\xe9\xa1\x8c

\n\n

那么，如何在java中分析char数组的全角或半角呢？

\n\n

多谢！

\n

Answer 1

东亚字符的宽度在Unicode 标准的附件 #11中进行了描述，该标准讨论了East_Asian_WidthUnicode 字符的属性。

\n\n

虽然，我找不到使用标准 Java 8 库查询此属性的方法，但可以使用ICU4J 库（com.ibm.icu.icu4j）来获取此值。

\n\n

例如，以下代码返回UCharacter.EastAsianWidth.WIDE：

\n\n

int esw = UCharacter.getIntPropertyValue(\'\xe3\x81\x82\', UProperty.EAST_ASIAN_WIDTH);\n

\n\n

对日语字符的一些测试表明，所有单字节 Shift JIS假名字符（例如半角\xef\xbd\xb6）都被指定HALFWIDTH，而它们的全角对应字符（例如\xe3\x82\xab）也被指定FULLWIDTH。所有其他全角字符（例如\xe3\x81\x82\xe3\x81\x84\xe3\x81\x86\xe3\x81\x88\xe3\x81\x8areturn ）WIDE和非全角字符（例如纯Abcreturn ）NARROW。

\n\n

该值AMBIGUOUS需要额外小心，因为它的宽度会根据上下文而变化。例如，vim编辑器有一个ambiwidth选项可以让用户选择是否应将其视为窄的或宽的，因为渲染取决于终端。

\n\n

上述附件规定了不明确的字符：不明确的字符在东亚传统字符集中作为宽字符出现，但在非东亚使用中作为窄（即正常宽度）字符出现。

\n\n

它还指出NEUTRAL：​，谈论中性字符的窄和宽是没有意义的，但因为出于所有实际目的，它们的行为类似于 Na，所以根据下面的建议，它们被视为窄字符（与 Na 相同）。

\n\n

然而，我发现窄的情况并不NEUTRAL总是如此，因为某些字符在我尝试过的编辑器中可能会显示得很宽。此外，\xe2\x85\xb6, \xe2\x85\xb7, \xe2\x85\xb8, \xe2\x85\xb9are AMBIGUOUS，而前面的字符\xe2\x85\xba和\xe2\x85\xbb是NEUTRAL，这似乎没有意义。也许未映射的字符会icu4j回退到NEUTRAL.

\n\n

最后，UCharacter.EastAsianWidth.COUNT只是一个常量，表示 下定义的属性数量，并且不会返回UCharacter.EastAsianWidth任何值。getIntPropertyValue()

\n

Answer 2

JDK 包含一个提到全角/半角的类：InputSubset

http://docs.oracle.com/javase/7/docs/api/java/awt/im/InputSubset.html

不幸的是，没有方法可以检查哪个字符属于哪个子集。

尽管如此，显然全角/半角对于 unicode 来说是一个明确定义的概念。互联网上可能有准确的规格。

http://en.wikipedia.org/wiki/Halfwidth_and_fullwidth_forms

http://en.wikipedia.org/wiki/DBCS

我想对于您的用例来说，0x00-0xFF 字符是半角就足够了；除unicode块“Halfwidth and Fullwidth Forms”中的半角字符外，其他字符都是全角的

boolean isHalfWidth(char c)
{
    return '\u0000' <= c && c <= '\u00FF'
        || '\uFF61' <= c && c <= '\uFFDC'
        || '\uFFE8' <= c && c <= '\uFFEE' ;
}