Question

如何检查给定字符串是否包含一个或多个日文字符（由假名和/或汉字组成）？

我在这里看到了一个类似的问题：How can I check if variable contains Chinese/Japanese characters?，我用解决方案提出了这个问题：

var containsJapanese = string.match(/[\u3400-\u9FBF]/);

然而，这会产生许多误报。

我通过让脚本遍历整个网页的内容（例如Facebook，Stack Overflow等）来测试它，并标记了应该包含日文文本的div。在这种情况下，大量的div最终会被错误标记。我还在做包含日文文本的页面上对它进行了测试，并且日语div在那里得到了正确的标记以及许多错误标记的div。

Answer 1

检查这是否有效。我发现this website似乎列出了可能在日文文本中使用的Unicode中的所有字符。

相应的正则表达式（单个字符）将是：

/[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff\uff00-\uff9f\u4e00-\u9faf\u3400-\u4dbf]/
  -------------_____________-------------_____________-------------_____________
   Punctuation   Hiragana     Katakana    Full-width       CJK      CJK Ext. A
                                            Roman/      (Common &      (Rare)    
                                          Half-width    Uncommon)
                                           Katakana

范围是（从网站引用）：

3000 - 303f：日式标点符号
3040 - 309f：平假名
30a0 - 30ff：片假名
ff00 - ff9f：全角罗马字符和半角片假名
4e00 - 9faf：CJK统一表意文字 - 普通和不常见的汉字
3400 - 4dbf：CJK统一表意文字扩展A - 罕见汉字

我稍微改变了范围：

对于全角罗马字符和半角片假名，我已从ff00 - ffef更改为ff00 - ff9f。来自ffa0 - ffdc的代码点包含Hangul半角字符，这不是您想要的。您可能需要重新添加ffe0 - ffef中的代码点，但它们大多是半角标点符号或全角货币符号。

您可以查看网站并取消您不想要的任何范围，或确保它不会出现在您的输入中。

Answer 2

使用charCode函数检测日语。例如，（来自网站http://www.jpf.go.jp/j/index.html）

 var a=$('a[href$="culture/new/index.html"]').text();
  a=a+'K';
 for(i=0;i<3;i++){ //3 as i knew it was length 3. Please use string.length
    console.log(a.charCodeAt(i));
   //Detect the charCode here and use break on match
 }


 Output : 19968 35239 75

使用JavaScript检查字符串是否包含日文字符（包括汉字）

2 个答案: