检查字符是否属于拉丁字母表？

Question

在继续处理之前，我需要测试字符是字母还是空格。因此，i

    for (Character c : take.toCharArray()) {
        if (!(Character.isLetter(c) || Character.isSpaceChar(c)))
            continue;

        data.append(c);

一旦我检查了数据，发现其中包含看起来类似于非拉丁字母表外字符的Unicode表示形式。我该如何修改上述代码来加强条件，仅接受落在 [a-z][A-Z] 范围内的字母字符？

正则表达式是否是可行的方法，还是有更好（更快）的方法？

- James Raitsev

---

等等，为什么你认为 "é" 不是一个字母？通常人们都在寻找使他们的代码更好地处理国际输入的方法，而不是更糟糕的方法... - Borealid

@Borealid，就我的情况而言，控制字符是一个奇怪的问题，我目前正在进一步调查。é确实是一个有效的字符，但对于我的程序来说，它不应该存在。 - James Raitsev

实现此操作的正则表达式是使用\p{sc=Latin}检查拉丁文属性。 - tchrist

相关：如何判断一个 Unicode 代码点是否代表某个特定脚本（例如拉丁字母脚本）中的字符？ - Basil Bourque

Answer 1

如果你只想处理这52个字符，那么就只处理它们：

public static boolean isLatinLetter(char c) {
    return (c >= 'A' && c <= 'Z') || (c >= 'a' && c <= 'z');
}

- Ernest Friedman-Hill

Answer 2

如果您只想删除非ASCII字母字符，那么一个快速的方法是使用String.replaceAll()和正则表达式：

s.replaceAll("[^a-zA-Z]", "")

不过，无法对性能与逐个字符扫描并附加到StringBuilder进行比较。

- Alistair A. Israel

---

在我的测试中，逐个字符地处理似乎要快大约30%。但这当然是一种有效的建议和方法。谢谢。 - James Raitsev

我很好奇使用s.replaceAll("[^a-zA-Z]+", "")和s.replaceAll("[^a-zA-Z]*", "")的结果。 - Samuel Edwin Ward

@SamuelEdwinWard 哇。比 [^a-zA-Z]+ 快了一倍，比按字符的更快。 - James Raitsev

Answer 3

我会使用你指定的正则表达式来完成这个任务。它易于阅读，并且应该非常快速（特别是如果你静态分配它）。

- Samuel Edwin Ward

---

您能提供一个正确的示例吗？我想看看哪种方法更快。 - James Raitsev

现在这个地方已经很晚了，所以如果你想让代码编译通过的话，恐怕你得等一下了 :) - Samuel Edwin Ward

但是，顺便说一句，你现在可能过于关注速度了。这肯定不是你正在执行的最慢操作吧？优化未来开发人员（也许是你自己！）尝试理解这段代码的时间可能更加高效。 - Samuel Edwin Ward