如何在Kotlin中声明包含四字节范围的Char区间？

算力阿峰

2026-5-7

我之前在处理Unicode字符范围的时候也踩过这个坑，正好可以给你解释清楚问题所在和解决方案：

核心问题：Kotlin的`Char`类型限制

Kotlin（以及Java）里的Char是基于UTF-16编码实现的，它只能表示U+0000到U+FFFF范围内的字符（也就是基本多语言平面BMP）。而你要处理的CJK扩展B（U+20000到U+2A6DF）及后续扩展集，都属于Unicode增补平面，单个Char根本装不下——这些字符在UTF-16里是用**代理对（两个连续的Char）**来表示的，所以直接用CharRange声明这些区间从根儿上就行不通，强制类型转换0x20000 as Char会触发警告也是因为这个值超出了Char的最大范围（0xFFFF），转换永远不会成功。

正确解决方案：用Unicode代码点（Code Point）判断

Unicode代码点可以表示所有Unicode字符（范围U+0000到U+10FFFF），完全覆盖CJK的所有扩展集。我们可以基于代码点来实现你的需求：

1. 定义所有CJK范围的代码点区间

// BMP范围内的CJK字符，仍可以用Char区间转成代码点范围
private val CJK_RADICALS_CP = '\u2E80'.code..'\u2EFF'.code
private val CJK_SYMBOLS_CP = '\u3000'.code..'\u303F'.code
private val CJK_STROKES_CP = '\u31C0'.code..'\u31EF'.code
private val CJK_ENCLOSED_CP = '\u3200'.code..'\u32FF'.code
private val CJK_IDEOGRAPHS_CP = '\u4E00'.code..'\u9FFF'.code
private val CJK_COMPAT_CP = '\uF900'.code..'\uFAFF'.code
private val CJK_COMPAT_FORMS_CP = '\uFE30'.code..'\uFE4F'.code
private val CJK_IDEOGRAPHS_EXT_A_CP = '\u3400'.code..'\u4DBF'.code

// 增补平面的CJK扩展集，直接用Int范围定义代码点
private val CJK_IDEOGRAPHS_EXT_B_CP = 0x20000..0x2A6DF
private val CJK_IDEOGRAPHS_EXT_C_CP = 0x2A700..0x2B73F
private val CJK_IDEOGRAPHS_EXT_D_CP = 0x2B740..0x2B81F
private val CJK_IDEOGRAPHS_EXT_E_CP = 0x2B820..0x2CEAF
private val CJK_IDEOGRAPHS_EXT_F_CP = 0x2CEB0..0x2EBEF
private val CJK_COMPAT_IDEOGRAPHS_CP = 0x2F800..0x2FA1F

2. 实现代码点判断逻辑

// 判断单个代码点是否属于CJK
private fun isCJKCodePoint(codePoint: Int): Boolean {
    return codePoint in CJK_RADICALS_CP ||
            codePoint in CJK_SYMBOLS_CP ||
            codePoint in CJK_STROKES_CP ||
            codePoint in CJK_ENCLOSED_CP ||
            codePoint in CJK_IDEOGRAPHS_CP ||
            codePoint in CJK_COMPAT_CP ||
            codePoint in CJK_COMPAT_FORMS_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_A_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_B_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_C_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_D_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_E_CP ||
            codePoint in CJK_IDEOGRAPHS_EXT_F_CP ||
            codePoint in CJK_COMPAT_IDEOGRAPHS_CP
}

3. 对外提供实用函数

考虑到增补平面的字符无法用单个Char表示，我们可以提供两个版本的函数：

// 判断单个Char是否是BMP范围内的CJK字符
fun Char.isCJK(): Boolean {
    return isCJKCodePoint(this.code)
}

// 判断字符串是否包含任何CJK字符（支持所有Unicode平面）
fun String.containsCJK(): Boolean {
    return this.codePoints().any { isCJKCodePoint(it) }
}

为什么这样可行？

codePoints()方法会自动处理UTF-16的代理对，将两个连续的Char解析成一个完整的Unicode代码点，这样就能准确判断所有CJK扩展集的字符了。

如果你一定要保留原函数的Char参数形式，要注意：单个Char如果是代理对的一部分，它本身不是一个完整的字符，所以这种情况下的判断只能说明该Char属于CJK扩展集的代理范围，而不是完整的CJK字符——更推荐使用字符串版本的函数来处理所有场景。

内容的提问来源于stack exchange，提问作者digory doo