分析Java中的全角或半角字符

Question

我想分析字符数组中的全角或半角字符。

例如：

char [] password = {'t'，'e'，'s'，'t'，‘思’，‘題’}；

此字符数组中有全角和半角字符。

半宽= t，e，s，t

全宽=思，題

那么，如何在java中分析char数组的全宽或半宽呢？

非常感谢!

Answer 1

JDK包含一个提到全宽/半宽的类：InputSubset

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

不幸的是，没有方法来检查哪个字符属于哪个子集。

尽管如此，显然全宽/半宽对于独角兽来说是一个定义良好的概念。也许在互联网上的某个地方有一个准确的规格。

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

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

我猜对于您的用例来说，0x00-0xFF字符是半角的已经足够好了；除了unicode代码块"Halfwidth and Fullwidth Forms“中的半角字符之外，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' ;
}

Answer 2

东亚字符的宽度是在Annex #11 of the Unicode Standard中描述的，它讨论了Unicode字符的East_Asian_Width属性。

尽管我找不到使用标准Java8库来查询这个属性的方法，但是可以使用ICU4J library (Maven语言中的com.ibm.icu.icu4j)来获得这个值。

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

int esw = UCharacter.getIntPropertyValue('あ', UProperty.EAST_ASIAN_WIDTH);

对日文字符的一些测试表明，所有单字节移位JIS假名字符(例如半角ｶ)都被指定为HALFWIDTH，而它们的全角对应字符(例如カ)则被指定为FULLWIDTH。所有其他全角字符(如あいうえお )返回WIDE，非全角字符(如普通Abc )返回NARROW。

值AMBIGUOUS需要特别注意，因为它的宽度将根据上下文的不同而变化。例如，vim编辑器有一个ambiwidth option，让用户选择是窄还是宽，因为渲染依赖于终端。

前面提到的附件states for ambiguous characters：歧义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。

这也是NEUTRAL的states：严格地说，谈论中性字符的窄和宽是没有意义的，但因为在所有实际目的中，它们的行为都像Na一样，所以在下面的建议下，它们被视为窄字符(与Na相同)。

然而，我发现NEUTRAL的宽度并不总是如此，因为在我尝试过的编辑器中，有些字符可能显示得很宽。此外，ⅶ、ⅷ、ⅸ、ⅹ是AMBIGUOUS，而前面的字符ⅺ和ⅻ是NEUTRAL，这似乎没有什么意义。也许没有在icu4j中映射的字符会回退到NEUTRAL。

最后，UCharacter.EastAsianWidth.COUNT只是一个表示在UCharacter.EastAsianWidth下定义的属性数量的常量，而不是getIntPropertyValue()将返回的值。

Answer 3

字符的可见宽度实际上取决于查看它的字体，而Java中的字符相对于字体是抽象的。

如果您希望确定某个特定字符是否为CJK (或语言子集等)。字符，您可以尝试查找这些字符在UTF-16中采用的位模式范围(我想这就是java使用的？)并确保每个char值都在该范围内。

不过，我可能完全找错了地方，所以如果这就是你要找的，请告诉我。

编辑：实际上，在看了垃圾神的链接后，我现在不确定java编码是完全抽象的。不过，字符比较可能仍然是一个很好的方法，因为在字符文档中有全角十六进制代码的定义。