Java：如何检查字符是否属于特定的unicode块？
我需要确定我的输入所属的自然语言。 目标是在混合输入中区分阿拉伯语和英语单词，其中输入是Unicode并从XML文本节点中提取。 我注意到了类Character.UnicodeBlock 。 这与我的问题有关吗？ 我怎样才能让它发挥作用？
编辑： Character.UnicodeBlock方法对阿拉伯语很有用，但显然不适用于英语（或其他欧洲语言），因为BASIC_LATIN Unicode块包含符号和不可打印的字符以及字母。 所以现在我使用String对象的matches()方法和正则表达式"[A-Za-z]+" 。 我可以忍受它，但也许有人可以建议更好/更快的方式。
是的，你可以简单地使用Character.UnicodeBlock.of（char）
如果[A-Za-z]+符合您的要求，您将找不到更快或更漂亮的东西。 但是，如果要匹配Latin1块中的所有字母（包括带重音的字母和连字），可以使用：
Pattern p = Pattern.compile("[\\pL&&\\p{L1}]+");
这是所有Unicode字母集和所有Latin1字符集的交集。
Unicode Script属性可能更有用。 在Java中，可以使用java.lang.Character.UnicodeScript类查找它：
Character.UnicodeScript script = Character.UnicodeScript.of(c);
你对此问题有相反的问题，但具有讽刺意味的是，对他来说不起作用的东西应该对你有用。 只需用reg-exp“\ w”查找英文单词（只有ASCII兼容的字符）。
英文字符往往在这4个Unicode块中：
ArrayList english = new ArrayList<>(); english.add(Character.UnicodeBlock.BASIC_LATIN); english.add(Character.UnicodeBlock.LATIN_1_SUPPLEMENT); english.add(Character.UnicodeBlock.LATIN_EXTENDED_A); english.add(Character.UnicodeBlock.GENERAL_PUNCTUATION);
因此，如果您有一个String，您可以遍历所有字符并查看每个字符所在的Unicode块：
for (char currentChar : myString.toCharArray()) { Character.UnicodeBlock unicodeBlock = Character.UnicodeBlock.of(currentChar); if (english.contains(unicodeBlock)) { // This character is English } }
如果他们都是英国人，那么你知道你有所有英语的人物。 您可以为任何语言重复此操作; 你只需要弄清楚每种语言使用的Unicode块。
注意：这并不意味着您已经certificate该语言是英语。 您只certificate它使用的是英文字符。 它可以是法语，德语，西class牙语或其他语言，其字符与英语有很多重叠。
还有其他方法可以检测实际的自然语言。 像langdetect这样的图书馆，我已经非常成功地使用，可以为你做到这一点：