如何将日语字符分类为汉字或假名?

此功能内置于 Character.UnicodeBlock

Character.UnicodeBlock.of('誰') == CJK_UNIFIED_IDEOGRAPHS
Character.UnicodeBlock.of('か') == HIRAGANA
Character.UnicodeBlock.of('フ') == KATAKANA
Character.UnicodeBlock.of('ﾌ') == HALFWIDTH_AND_FULLWIDTH_FORMS
Character.UnicodeBlock.of('！') == HALFWIDTH_AND_FULLWIDTH_FORMS
Character.UnicodeBlock.of('。') == CJK_SYMBOLS_AND_PUNCTUATION

但是,一如既往,魔鬼在于细节:

Character.UnicodeBlock.of('Ａ') == HALFWIDTH_AND_FULLWIDTH_FORMS

哪里 Ａ 是全宽字符。所以这和半形片假名属于同一类 ﾌ 上面。请注意,整个宽度 与正常(半宽)不同 A :

Character.UnicodeBlock.of('A') == BASIC_LATIN

用一张桌子 this

int val = (int)て;
if (val >= 0x3040 && val <= 0x309f)
  return KATAKANA
..

这似乎是一个有趣的用途 Guava 的 CharMatcher

public class JapaneseCharMatchers {
  public static final CharMatcher HIRAGANA = 
      CharMatcher.inRange((char) 0x3040, (char) 0x309f);

  public static final CharMatcher KATAKANA = 
      CharMatcher.inRange((char) 0x30a0, (char) 0x30ff);

  public static final CharMatcher KANA = HIRAGANA.or(KATAKANA);

  public static final CharMatcher KANJI = 
      CharMatcher.inRange((char) 0x4e00, (char) 0x9faf);

  public static void main(String[] args) {
    test("誰か確認上記これらのフ");
  }

  private static void test(String string) {
    System.out.println(string);
    System.out.println("Hiragana: " + HIRAGANA.retainFrom(string));
    System.out.println("Katakana: " + KATAKANA.retainFrom(string));
    System.out.println("Kana: " + KANA.retainFrom(string));
    System.out.println("Kanji: " + KANJI.retainFrom(string));
  }
}

运行此命令将打印预期的:

è°èè¨

平假名:

假名:

通过定义规则来确定一个字符是否在一个对象的这些组中,它不仅可以自己做很多有用的事情,而且还可以与其他API(如Guava)一起使用,从而为处理日语文本提供了很大的能力 Splitter 班级。

public static CharMatcher inUnicodeBlock(final Character.UnicodeBlock block) {
  return new CharMatcher() {
    public boolean matches(char c) {
      return Character.UnicodeBlock.of(c) == block;
    }
  };
}

使用方法如下:

CharMatcher HIRAGANA = inUnicodeBlock(Character.UnicodeBlock.HIRAGANA);

我想这可能比另一个版本慢一点。

您需要获得一个提供假名和汉字字符的单独范围的引用。据我所见,字母表和等价物通常有一个字符块。

这是一个函数。它会把句子分解成一个单元格。您可能需要添加一些错误检查,以了解如何处理换行符或英文字符等,但这应该是一个好的开始。

Function KanjiKanaBreakdown(ByVal text As String) As String

Application.ScreenUpdating = False
Dim kanjiCode As Long
Dim result As String
Dim i As Long

For i = 1 To Len(text)
    If Asc(Mid$(text, i, 1)) > -30562 And Asc(Mid$(text, i, 1)) < -950 Then
        result = (result & (Mid$(text, i, 1)) & (" - kanji") & vbLf)
    Else
        result = (result & (Mid$(text, i, 1)) & (" - kana") & vbLf)
    End If
Next

KanjiKanaBreakdown = result
Application.ScreenUpdating = True

End Function