javascript - 使用JavaScript检查字符串是否包含日语字符(包括汉字)

Question

如何检查给定字符串是否包含一个或多个日语字符(由假名和/或汉字组成)？

我在这里看到了类似的问题:How can I check if variable contains Chinese/Japanese characters? ，我用这个解决方案得出了这个:

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

但是，这会产生许多误报。

我通过让脚本迭代整个网页的内容(例如 Facebook、Stack Overflow 等)并标记可能包含日语文本的 div 来对其进行了测试。在这些情况下，大量 div 最终会被错误标记。我还在包含日语文本的页面上进行了测试，其中的日语 div 最终与许多错误标记的 div 一起被正确标记。

Answer 1

检查这是否有效。我发现this website这似乎列出了日语文本中可能使用的所有 Unicode 字符。

相应的正则表达式(对于单个字符)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(引自网站):

• 3000 - 303f:日式标点符号
• 3040 - 309f:平假名
• 30a0 - 30ff:片假名
• ff00 - ff9f:全 Angular 罗马字符和半 Angular 片假名
• 4e00 - 9faf:CJK 统一表意文字 - 常见和不常见的汉字
• 3400 - 4dbf:CJK 统一表意文字扩展 A - 稀有汉字

我稍微改变了范围:

• 我已将全 Angular 罗马字符和半 Angular 片假名的字符从 ff00 - ffef 更改为 ff00 - ff9f。 ffa0 - ffdc 中的代码点包含朝鲜文半 Angular 字符，这不是您想要的。您可能想要重新添加 ffe0 - ffef 中的代码点，但它们大多是半 Angular 标点符号或全 Angular 货币符号。

您可以检查该网站并删除任何您不需要的范围，或者确保它不会出现在您的输入中。