如何检查字符串是不是仅包含 ASCII?
Posted
技术标签:
【中文标题】如何检查字符串是不是仅包含 ASCII?【英文标题】:How to check if a String contains only ASCII?如何检查字符串是否仅包含 ASCII? 【发布时间】:2011-04-04 20:16:18 【问题描述】:如果字符是字母,则调用 Character.isLetter(c)
返回 true
。但是有没有办法快速找到String
是否只包含ASCII 的基本字符?
【问题讨论】:
【参考方案1】:这是另一种方法,不依赖于库,而是使用正则表达式。
你可以使用这一行:
text.matches("\\A\\pASCII*\\z")
整个示例程序:
public class Main
public static void main(String[] args)
char nonAscii = 0x00FF;
String asciiText = "Hello";
String nonAsciiText = "Buy: " + nonAscii;
System.out.println(asciiText.matches("\\A\\pASCII*\\z"));
System.out.println(nonAsciiText.matches("\\A\\pASCII*\\z"));
理解正则表达式:
li\\A
: 输入开始
\\pASCII
: 任意 ASCII 字符
*
:所有重复
\\z
:输入结束
【讨论】:
\\A - 输入开始 ... \\pASCII* - 任何时候的任何 ASCII 字符 ...\\z - 输入结束 @ArneDeutsch 你介意我改进答案并包含对\PPrint
和\PGraph
的引用+ 描述吗?为什么需要\A
和\z
?
那个正则表达式是什么?我知道 $ 是字符串的结尾,^ 是开始,从来没有听说过 \\A \\p \\z,你能附上对 javadoc 的引用吗?
@deathangel908 \A 是输入的开始。 \z 是输入的结尾。 ^ 和 $ 在 MULTILINE 模式下的行为不同,并且 DOTALL 改变 \A 和 \z 的行为。见***.com/a/3652402/1003157【参考方案2】:
在 Kotlin 中:
fun String.isAsciiString() : Boolean =
this.toCharArray().none it < ' ' || it > '~'
【讨论】:
【参考方案3】:在 Java 8 及更高版本中,可以将String#codePoints
与IntStream#allMatch
结合使用。
boolean allASCII = str.codePoints().allMatch(c -> c < 128);
【讨论】:
【参考方案4】:如果 String 只包含 ASCII 字符则返回 true,否则返回 false
Charset.forName("US-ASCII").newEncoder().canEncode(str)
如果你想删除非 ASCII ,这里是 sn-p:
if(!Charset.forName("US-ASCII").newEncoder().canEncode(str))
str = str.replaceAll("[^\\pASCII]", "");
【讨论】:
Vanilla Java,简单易读,这个答案有什么不喜欢的?虽然,为了避免“US-ASCII”中的拼写错误:StandardCharsets.US_ASCII.newEncoder().canEncode(str)
【参考方案5】:
您可以使用java.nio.charset.Charset 来完成。
import java.nio.charset.Charset;
public class StringUtils
public static boolean isPureAscii(String v)
return Charset.forName("US-ASCII").newEncoder().canEncode(v);
// or "ISO-8859-1" for ISO Latin 1
// or StandardCharsets.US_ASCII with JDK1.7+
public static void main (String args[])
throws Exception
String test = "Réal";
System.out.println(test + " isPureAscii() : " + StringUtils.isPureAscii(test));
test = "Real";
System.out.println(test + " isPureAscii() : " + StringUtils.isPureAscii(test));
/*
* output :
* Réal isPureAscii() : false
* Real isPureAscii() : true
*/
Detect non-ASCII character in a String
【讨论】:
我不认为将 CharsetEncoder 设为静态是一个好主意,因为根据文档“此类的实例对于多个并发线程的使用是不安全的。” @paul_sns,你说得对,CharsetEncoder 不是线程安全的(但 Charset 是),因此将其设为静态不是一个好主意。 Java 1.7 或更高版本可以使用StandardCharsets.US_ASCII
而不是Charset.forName("US-ASCII")
。
@RealHowTo 正确的解决方案不应该依赖 cmets,小心解决这个问题,也许使用基于 StandardCharsets
的 oneliner 方法?我可以发布另一个答案,但我宁愿修复这个高度赞赏的答案。【参考方案6】:
从Guava19.0 起,您可以使用:
boolean isAscii = CharMatcher.ascii().matchesAllOf(someString);
这使用了 matchesAllOf(someString)
方法,该方法依赖于工厂方法 ascii()
,而不是现在已弃用的 ASCII
单例。
这里 ASCII 包括所有 ASCII 字符包括低于0x20
(空格)的不可打印字符,例如制表符、换行符/回车符,还有代码为0x07
的BEL
和DEL
代码为0x7F
。
此代码错误地使用字符而不是代码点,即使代码点在早期版本的 cmets 中指示。幸运的是,创建具有 U+010000
或更大值的代码点所需的字符使用两个具有 ASCII 范围之外的值的代理字符。所以该方法仍然可以成功地测试 ASCII,即使是包含表情符号的字符串。
对于没有 ascii()
方法的早期 Guava 版本,您可以编写:
boolean isAscii = CharMatcher.ASCII.matchesAllOf(someString);
【讨论】:
+1 虽然不需要其他第三方库就很好,但 Colin 的回答更短且更具可读性。建议第三方库是完全可以的,不应以反对票来惩罚。 我还应该指出,CharMatchers 确实非常强大,而且可以做的远不止这些。此外,除了 ASCII 之外,还有更多预定义的 CharMatchers,以及用于创建自定义的出色工厂方法。CharMatcher.ASCII
现已弃用,将于 2018 年 6 月删除。【参考方案7】:
private static boolean isASCII(String s)
for (int i = 0; i < s.length(); i++)
if (s.charAt(i) > 127)
return false;
return true;
【讨论】:
仅代码回答,请说明这是做什么的,即如果您执行此检查,它包括不可打印字符和未定义字符 (0x7F)。 在我长时间运行的程序未能找到任何感兴趣的字符后,这可能会咬我。charAt
返回 char
。您是否可以直接测试类型 char
是否大于 int 而无需首先转换为 int,或者您的测试是否会自动进行覆盖?也许你可以,也许它可以?我继续将其转换为 int,如下所示:if ((int)s.charAt(i) > 127)
。不确定我的结果是否有任何不同,但让它运行我感觉更好。我们会看到:-\【参考方案8】:
来自 Apache 的 commons-lang3 包含针对各种“问题”的有价值的实用程序/便利方法,包括这个问题。
System.out.println(StringUtils.isAsciiPrintable("!@£$%^&!@£$%^"));
【讨论】:
请注意,如果字符串包含制表符或换行符 (\t \r \n),isAsciiPrintable 返回 false。 @TampaHaze 那是因为在内部,它检查每个字符值是否在 32 到 127 之间。我认为那是错误的。我们应该检查从 0 到 127 @therealprashant 如果方法名称是 isAscii 我同意你的看法。但是被命名为 isAsciiPrintable 的方法意味着它们可能故意排除了字符 0 到 31。【参考方案9】:这是可能的。好问题。
import java.io.UnsupportedEncodingException;
import java.nio.charset.Charset;
import java.nio.charset.CharsetEncoder;
public class EncodingTest
static CharsetEncoder asciiEncoder = Charset.forName("US-ASCII")
.newEncoder();
public static void main(String[] args)
String testStr = "¤EÀsÆW°ê»Ú®i¶T¤¤¤ß3¼Ó®i¶TÆU2~~KITEC 3/F Rotunda 2";
String[] strArr = testStr.split("~~", 2);
int count = 0;
boolean encodeFlag = false;
do
encodeFlag = asciiEncoderTest(strArr[count]);
System.out.println(encodeFlag);
count++;
while (count < strArr.length);
public static boolean asciiEncoderTest(String test)
boolean encodeFlag = false;
try
encodeFlag = asciiEncoder.canEncode(new String(test
.getBytes("ISO8859_1"), "BIG5"));
catch (UnsupportedEncodingException e)
e.printStackTrace();
return encodeFlag;
【讨论】:
【参考方案10】://return is uppercase or lowercase
public boolean isASCIILetter(char c)
return (c > 64 && c < 91) || (c > 96 && c < 123);
【讨论】:
一个代码只回答了 4 个魔法,没有解释它做了什么。请调整。【参考方案11】:试试这个:
for (char c: string.toCharArray())
if (((int)c)>127)
return false;
return true;
【讨论】:
“试试这个”总是被否决。这做什么?包括什么,不包括什么?顺便说一句,因为你的内存大小也增加了一倍,所以会被否决。【参考方案12】:或者你从IDN类复制代码。
// to check if a string only contains US-ASCII code point
//
private static boolean isAllASCII(String input)
boolean isASCII = true;
for (int i = 0; i < input.length(); i++)
int c = input.charAt(i);
if (c > 0x7F)
isASCII = false;
break;
return isASCII;
【讨论】:
这甚至适用于 2-char-unicode,因为第一个字符 >= U+D800 但请注意,它包含 ASCII 中的不可打印字符(这是正确的,但可能不是预期的)。当然可以直接使用return false
,而不是使用isASCII = false
和break
。
这是来自 Oracle JDK 的代码。复制可能会导致法律问题。【参考方案13】:
遍历字符串并确保所有字符的值都小于 128。
Java 字符串在概念上被编码为 UTF-16。在 UTF-16 中,ASCII 字符集被编码为值 0 - 127,并且任何非 ASCII 字符(可能包含多个 Java 字符)的编码都保证不包含数字 0 - 127
【讨论】:
使用 Java 1.8 你可以做到:str.chars().allMatch(c -> c < 128)
如果您想要可打印的字符,您可能需要测试 c >= 0x20 && c < 0x7F
,因为 7 位编码的前 32 个值是控制字符,最终值 (0x7F) 是 DEL
。【参考方案14】:
遍历字符串,并使用 charAt() 获取字符。然后把它当作一个int,看看它是否有你喜欢的unicode值(ASCII的超集)。
在你不喜欢的第一个休息。
【讨论】:
以上是关于如何检查字符串是不是仅包含 ASCII?的主要内容,如果未能解决你的问题,请参考以下文章
如何检查给定的 c++ 字符串或 char* 是不是仅包含数字?