如何检查一个字符串是否只包含ASCII字符？

Question

调用Character.isLetter(c)如果字符是字母将返回true。但是有没有一种快速的方法可以找到一个String是否只包含ASCII基本字符？

- TambourineMan

Answer 1

从 Guava 19.0 开始，您可以使用：

boolean isAscii = CharMatcher.ascii().matchesAllOf(someString);

这里使用了matchesAllOf(someString)方法，它依赖于工厂方法ascii()而不是现在已弃用的ASCII单例。

这里的ASCII包括所有ASCII字符，包括小于0x20（空格）的不可打印字符，例如制表符、换行/回车，以及代码为0x07的BEL和代码为0x7F的DEL。

即使先前版本的注释中指示了代码点，但此代码错误地使用了字符而不是代码点。幸运的是，创建值为U+010000或更高的代码点所需的字符使用了两个超出ASCII范围的代理字符。因此，该方法仍然可以成功地测试ASCII，即使字符串包含表情符号。

对于没有ascii()方法的早期Guava版本，您可以编写以下内容：

boolean isAscii = CharMatcher.ASCII.matchesAllOf(someString);

- ColinD

---

虽然不需要另一个第三方库会更好，但Colin的答案更简短，更易读。建议使用第三方库是完全可以的，不应该因此收到负面评价。 - Jesper

我还应该指出，CharMatchers 真的非常强大，可以做比这更多的事情。此外，除了 ASCII 之外，还有许多预定义的 CharMatchers，以及用于创建自定义 CharMatchers 的优秀工厂方法。 - ColinD

CharMatcher.ASCII现已被弃用，并将于2018年6月被删除。 - thisarattr

Answer 2

你可以使用java.nio.charset.Charset来完成它。

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
      */
  }
}

- RealHowTo

---

我认为将CharsetEncoder设为静态的不是一个好主意，因为根据文档，“此类的实例不适用于多个并发线程使用”。 - pm_labs

@paul_sns，你是对的，CharsetEncoder不是线程安全的（但Charset是），所以将其设为静态的不是一个好主意。 - RealHowTo

使用Java 1.7或更高版本，可以使用StandardCharsets.US_ASCII代替Charset.forName("US-ASCII")。 - Julian Lettner

@RealHowTo 正确的解决方案不应该依赖于注释，请修复此问题，也许可以使用基于StandardCharsets的一行代码方法？我可以发布另一个答案，但我宁愿修复这个备受赞赏的答案。 - Maarten Bodewes

Answer 3

以下是另一种不依赖库且使用正则表达式的方法。

您可以使用下面这行代码：

text.matches("\\A\\p{ASCII}*\\z")

完整示例程序：

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\\p{ASCII}*\\z"));
        System.out.println(nonAsciiText.matches("\\A\\p{ASCII}*\\z"));
    }
}

理解正则表达式：

• li \\A：输入的起始位置
• \\p{ASCII}：任何 ASCII 字符
• *：所有重复
• \\z：输入的终止位置

- Arne Deutsch

---

\A - 输入的开头...\p{ASCII}* - 任意次数的任何ASCII字符...\z - 输入的结尾 - Arne Deutsch

@ArneDeutsch，您介意我改进答案并包含对\P{Print}和\P{Graph}的引用以及描述吗？为什么需要\A和\z？ - Maarten Bodewes

那个正则表达式是什么？我知道 $ 表示字符串结尾，^ 表示开头，但从未听说过 \A \p \z，你能否附上 javadoc 的参考资料？ - deathangel908

@deathangel908 \A 是输入的开始。 \z 是输入的结束。在MULTILINE模式下，^和$的行为不同，并且DOTALL会改变\A和\z的行为。请参见https://dev59.com/JXA65IYBdhLWcg3wvxeE#3652402。 - Raymond Naseef

Answer 4

迭代字符串并确保所有字符的值小于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，任何非ASCII字符的编码（可能由多个Java字符组成）都保证不包含数字0-127.

- JeremyP

---

在Java 1.8中，您可以这样做：str.chars().allMatch(c -> c < 128)。意思是检查字符串中的所有字符是否都是ASCII码（即小于128）。 - Julian Lettner

如果你想要可打印的字符，你可能需要测试一下 c >= 0x20 && c < 0x7F。因为在七位编码中的前32个值是控制字符，最后一个值 (0x7F) 是 DEL。请注意不改变原文的意思。 - Maarten Bodewes

Answer 5

或者您可以从IDN类中复制代码。

// 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;
}

- Zarathustra

---

这甚至适用于2个字符的Unicode，因为第一个字符大于或等于U+D800。 - k3b

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，直接使用return false而不是使用isASCII = false和break也是可以的。 - Maarten Bodewes

这是来自Oracle JDK的代码。复制可能会引起法律问题。 - Arne Deutsch

Answer 6

Apache 的 commons-lang3 包含了很多有用的实用程序/便利方法，可以解决各种“问题”，包括此问题。

System.out.println(StringUtils.isAsciiPrintable("!@£$%^&!@£$%^"));

- fjkjava

---

请注意，如果字符串包含制表符或换行符（\t \r \n），则 isAsciiPrintable 将返回 false。 - TampaHaze

@TampaHaze 这是因为在内部，它检查每个字符值是否介于32到127之间。我认为这是错误的。我们应该从0到127进行检查。 - therealprashant

@therealprashant 如果方法名称是 isAscii，我会同意你的看法。但是命名为 isAsciiPrintable 的方法意味着他们可能有意地排除了字符 0 到 31。 - TampaHaze

Answer 7

试一下这个：

for (char c: string.toCharArray()){
  if (((int)c)>127){
    return false;
  } 
}
return true;

- pforyogurt

---

“Try this”总是会被踩。这个代码段到底是做什么的？它包含了哪些内容，又有哪些不包含呢？顺便提一下，如果你将内存大小翻倍，也会被踩。 - Maarten Bodewes

Answer 8

private static boolean isASCII(String s) 
{
    for (int i = 0; i < s.length(); i++) 
        if (s.charAt(i) > 127) 
            return false;
    return true;
}

- Phil

---

只回答代码，说明它的作用，即包括不可打印字符和未定义字符（0x7F），如果进行此检查。 - Maarten Bodewes

这个问题可能会困扰我，因为我的长时间运行的程序未能找到任何感兴趣的字符。charAt返回一个char。你能直接测试一个类型为char的变量是否大于一个int吗？还是你的测试会自动进行转换？也许你可以，也许它确实可以？我已经将其转换为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，但我对让它运行感到更加放心。我们拭目以待 :-\ - harperville

这似乎可行，并且在一系列相当不科学的本地微基准测试中，这是我最快的方式。使用“toCharArray”的类似方法会分配一个数组，因此性能比这个差。另一个小优化似乎是将lenght()提取到本地变量中。 - centic

Answer 9

在Java 8及以上版本中，可以使用String#codePoints和IntStream#allMatch结合使用。

boolean allASCII = str.codePoints().allMatch(c -> c < 128);

- Unmitigated

Answer 10

如果字符串仅包含ASCII字符，则返回true，否则返回false。

最初的回答：This will return true if String only contains ASCII characters and false when it does not

Charset.forName("US-ASCII").newEncoder().canEncode(str)

如果你想要移除非ASCII字符，这是代码片段：

if(!Charset.forName("US-ASCII").newEncoder().canEncode(str)) {
                        str = str.replaceAll("[^\\p{ASCII}]", "");
                    }

- mike oganyan

---

香草Java，易于阅读，这个答案有什么不喜欢的呢？尽管为了避免在“US-ASCII”中出现拼写错误：StandardCharsets.US_ASCII.newEncoder().canEncode(str) - user2077221

你可以使用更简单的方式来代替 [^\\p{ASCII}]，即 \\P{ASCII}。大写字母 \P 是小写字母 \p 的补集。 - Ahmet