如何在C++中判断char/char[]是否为DBCS/CJK字符

核心思路：利用Unicode编码范围匹配 #

CJK字符（中文、日文、韩文）在Unicode标准中有明确的编码区间，直接检查字符的Unicode码点是否落在这些区间内，是最可靠的方式——既不用破坏原UTF-8编码，也比解析字节更直观。

常见的CJK相关Unicode区间包括：

• 基本汉字：U+4E00 至 U+9FFF
• 日文假名：U+3040 至 U+30FF（平假名、片假名）
• 韩文谚文：U+AC00 至 U+D7AF
• 中文扩展A区：U+3400 至 U+4DBF
• 中文扩展B区：U+20000 至 U+2A6DF（生僻字，按需选择）

代码实现示例（Python） #

Python默认将字符串视为Unicode序列，直接遍历字符检查码点即可，无需手动解析UTF-8字节：

def is_cjk_char(char):
    code = ord(char)
    # 覆盖主流CJK字符区间
    return (
        (0x4E00 <= code <= 0x9FFF) or  # 基本汉字
        (0x3040 <= code <= 0x30FF) or  # 日文假名
        (0xAC00 <= code <= 0xD7AF) or  # 韩文谚文
        (0x3400 <= code <= 0x4DBF) or  # 中文扩展A
        (0x20000 <= code <= 0x2A6DF)   # 中文扩展B（可选）
    )

def contains_cjk(s):
    return any(is_cjk_char(c) for c in s)

# 测试用例
test_str = "Hello 世界 こんにちは 안녕하세요"
for c in test_str:
    print(f"'{c}' -> 是否为CJK字符: {is_cjk_char(c)}")
print(f"字符串整体包含CJK字符: {contains_cjk(test_str)}")

其他语言思路（JavaScript） #

同样基于Unicode码点判断逻辑：

function isCJKChar(char) {
    const code = char.codePointAt(0);
    return (
        (0x4E00 <= code && code <= 0x9FFF) ||
        (0x3040 <= code && code <= 0x30FF) ||
        (0xAC00 <= code && code <= 0xD7AF) ||
        (0x3400 <= code && code <= 0x4DBF) ||
        (0x20000 <= code && code <= 0x2A6DF)
    );
}

const testStr = "Hello 世界 こんにちは 안녕하세요";
console.log(testStr.split('').map(c => `${c}: ${isCJKChar(c)}`));
console.log(`包含CJK字符: ${testStr.split('').some(isCJKChar)}`);

关于解析UTF-8字节的补充 #

如果一定要通过UTF-8字节判断，需要先将字节序列转换为Unicode码点（UTF-8多字节字符对应2-4字节长度），再匹配上述区间。但这种方式需要手动处理UTF-8编码规则，容易出错，远不如直接操作字符码点高效可靠。

内容的提问来源于stack exchange，提问作者adoDojo