如何在MySQL中检测汉字？

Question

我需要在列表中计算中文的数量。例如，如果＆＃34;北京实业＆＃34;发生，这是中文的四个字符，但我只计算一次，因为它出现在列中。

有没有具体的代码来解决这个问题？

Answer 1

SELECT COUNT(*)
    FROM tbl
    WHERE HEX(col) REGEXP '^(..)*(E[2-9F]|F0A)'

将计算col列中包含中文字符的记录数。

问题：

• 我不确定十六进制的范围代表中文。
• 测试可能包括韩语和日语。 （ “CJK”）
• 在MySQL中，4字节的汉字需要utf8mb4而不是utf8。

<强>精化

我假设表中的列是CHARACTER SET utf8。在utf8编码中，中文字符以十六进制E2和E9之间或EF或F0之间的字节开头。以十六进制E开头的那些将是3个字节长，但我没有检查长度; F0将为4个字节。

正则表达式以^(..)*开头，意思是“从字符串的开头（^），找到0或更多（*）2个字符（..）在此之后应该是E - 某事或F0A。之后，任何事情都可能发生。更具体地说，E-something是E后跟2,3中的任何一个， 4,5,6,7,8,9或F。

随机选择，我看到草编码为3个十六进制字节E88D89，而编码为4个十六进制字节F0A09C8E。

我不知道检查特定语言字符串的更好方法。

如您所见，REGEXP可能相当慢。

这个正则表达式可能会过度杀戮，因为可能会捕获一些非中文字符。