Question

java 中常用汉字 的unicode 码范围是多少到多少

Answer 1

　　常用汉字 的unicode 码范围是：\u4e00-\u9fa5，下面一个例子是把中英文文档中的汉字提取出来的简单例子：

public class DrawEnglish
{
    private static String draw(String content)
    {
        StringBuffer english = new StringBuffer();
        
        String regex = "[\u4e00-\u9fa5。，？”“《》：！——-、]";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        while(matcher.find())
        {
            String temp = matcher.group();
            english.append(temp);
        }
        return english.toString();
    }
    public static void drawEnglish(String path)
    {
        FileInputStream fr;
        BufferedReader br;
        
        FileWriter fw;
        BufferedWriter bw = null ;
        try
        {
            fr = new FileInputStream(path);
            br = new BufferedReader(new InputStreamReader(fr,"gb2312"));
            fw = new FileWriter("new1.txt");
            bw = new BufferedWriter(fw);
            String str = null;
            StringBuffer sb = new StringBuffer();
            while((str = br.readLine()) != null)
            {
                sb.append(str + "\n");
            }
            String temp = draw(sb.toString()); 
            bw.write(temp);
            
        } catch (FileNotFoundException e)
        {
            e.printStackTrace();
        } catch (IOException e)
        {
            e.printStackTrace();
        }
        finally
        {
            try
            {
                if(bw != null) bw.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }
        }
    }
    public static void main(String[] args)
    {
        drawEnglish("draw1.txt");
    }
}

Answer 2

Unicode CJK 的范围分布在多个区段中，带有 CJK 的区块名中都拥有汉字。但最常用的范围是 U+4E00～U+9FA5，即名为：CJK Unified Ideographs 的区块，但 U+9FA6～U+9FFF 之间的字符还属于空码，暂时还未定义，但不能保证以后不会被定义。

在正则表达式中使用 [\u4e00-\u9fa5] 这种方式属于写死的代码，并不能根据平台所提供的字符集范围不同而改变，不过对于要求不是很高的话的是可以了。如果对字符集的要求很高，可以采用下面的这种 Unicode 块的方式：
String regex = "[\\p{InCJK Unified Ideographs}&&\\P{Cn}]]";

在当前的 JDK 版中与 [\u4e00-\u9fa5] 的意义一致。但这样可以匹配 Java 平台所支持Unicode 块名为 CJK Unified Ideogrpahs 中已定义的字符，这种方式就属于“活”代码今后的 JDK 版本升级了，定义到了 \u9fa6 的字符，同样能够满足匹配。

Answer 3

java 中常用汉字 的unicode 码范围是20~25

追问

汉字只有六个?

Answer 4

这个还真不好说得，UTF-8编码和GBK编码是不一样的。只知道是16位表示的，最大65535