Kotlin中检测字符串西里尔符号并计数，及二维码解析编码兼容问题求助

嗨，针对你遇到的二维码编码兼容问题，以及西里尔符号检测、计数的需求，我整理了几个实用的解决方案和优化思路，希望能帮到你：

一、检测字符串是否包含至少一个西里尔符号 #

你之前的正则是匹配全西里尔字符的字符串，要实现“只要有一个就行”的逻辑，只需要调整正则表达式，让它允许前后有任意其他字符：

fun containsCyrillic(string: String): Boolean {
    // 正则匹配：任意字符 + 至少一个西里尔符号 + 任意字符
    return string.matches(".*[а-яёА-ЯЁ].*".toRegex())
}

// 测试示例
fun main() {
    val string1 = "Name=Филиал" // 包含西里尔符号
    val string2 = "Name=СчеС" // 包含乱码的西里尔符号
    val string3 = "Hello World" // 无西里尔符号
    println(containsCyrillic(string1)) // true
    println(containsCyrillic(string2)) // true
    println(containsCyrillic(string3)) // false
}

另外，也可以通过遍历字符直接判断，这种方式更直观，也能自定义判断范围：

fun containsCyrillic(string: String): Boolean {
    return string.any { char ->
        // 判断字符是否属于西里尔字母范围（包括大小写和ё）
        char in 'а'..'я' || char in 'А'..'Я' || char == 'ё' || char == 'Ё'
    }
}

二、统计字符串中西里尔符号的数量 #

要统计数量很简单，只需要遍历字符串的每个字符，符合西里尔范围就累加计数：

fun countCyrillicCharacters(string: String): Int {
    return string.count { char ->
        char in 'а'..'я' || char in 'А'..'Я' || char == 'ё' || char == 'Ё'
    }
}

// 测试示例
fun main() {
    val string1 = "Name=Филиал"
    val string2 = "СчеС"
    println(countCyrillicCharacters(string1)) // 6（Ф、и、л、и、а、л）
    println(countCyrillicCharacters(string2)) // 5
}

三、二维码编码兼容的优化思路 #

你提到的问题是：QR码标记的编码是w1251/KOI8-R，但实际内容是UTF-8，导致解码后出现乱码（比如"СчеС"这种）。仅靠西里尔符号的存在/计数可能不够准确，因为乱码本身也会包含西里尔字符。这里有几个更靠谱的优化方向：

1. 乱码特征判断 #

当按标记编码解码后，出现的乱码通常是“单个西里尔符号夹杂无意义字符”，或者大量重复的Р、С这类符号（这是UTF-8转w1251常见的乱码表现）。可以结合以下逻辑：

• 统计西里尔符号的比例：如果西里尔符号占比过高（比如超过80%），且都是类似Р、С、Т这类高频乱码字符，大概率是编码错误；
• 检测是否存在“无法组成正常俄语词汇”的字符组合，比如连续的РС、СР等。

2. 双重解码验证 #

当编码标记为1或3时，同时尝试两种解码方式：

• 按标记的编码（w1251/KOI8-R）解码；
• 直接按UTF-8解码。
  然后对比两个结果，选择更“合理”的那个：
• 如果其中一个结果包含正常的俄语词汇（可以用简单的词库匹配，或者检测是否有连续的有效西里尔词汇），就选这个；
• 如果其中一个结果的乱码特征更明显，就排除它。

比如修改你的checkEncoding函数：

private fun checkEncoding(encoding: String, rawBytes: ByteArray): String {
    return when (encoding) {
        "1", "3" -> {
            val charset = if (encoding == "1") Charset.forName("windows-1251") else Charset.forName("KOI8-R")
            val decodedByMarkedCharset = String(rawBytes, charset)
            val decodedByUtf8 = String(rawBytes, Charsets.UTF_8)
            
            // 判断哪个结果更合理：比如包含有效西里尔词汇，或者乱码更少
            if (isValidRussianString(decodedByUtf8)) {
                decodedByUtf8
            } else {
                decodedByMarkedCharset
            }
        }
        "2" -> String(rawBytes, Charsets.UTF_8)
        else -> throw ErrorsBuilder.UNKNOWN_ENCODING_ERROR.unknownEncodingException(String(rawBytes))
    }
}

// 简单的有效性判断示例：包含至少一个长度≥2的西里尔词汇，且乱码类西里尔字符占比不超过50%
private fun isValidRussianString(string: String): Boolean {
    val cyrillicWordRegex = "[а-яёА-ЯЁ]{2,}".toRegex()
    val hasValidWords = cyrillicWordRegex.containsMatchIn(string)
    val garbageCyrillicRatio = countCyrillicCharacters(string).toDouble() / string.length
    // 比如有效词汇存在，且乱码类西里尔字符占比不超过50%
    return hasValidWords && garbageCyrillicRatio <= 0.5
}

3. 容错性解码顺序 #

如果无法准确判断，也可以优先尝试UTF-8解码，再回退到标记的编码：

• 先按UTF-8解码，检查结果是否包含可识别的内容（比如业务字段，如"Name="后面的内容是否正常）；
• 如果结果明显是乱码，再按标记的编码解码。

备注：内容来源于stack exchange，提问作者VOVDOGG