如何检查字符串是不是仅包含 ASCII？

Posted 2023-02-24

【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？

【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 > '~' 

【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);

【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;
    

【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。