中文汉字和英文数字的unicode编码范围

前言

最近有做相关汉字转拼音处理，因此了解一下，摘抄于此，方便查阅。

好记性不如烂笔头

正文

虽然不常用，了解一下。

基本汉字有20902字。

相关汉字编码介绍

GB2312编码

1981年5月1日发布的简体中文汉字编码国家标准。GB2312对汉字采用双字节编码，收录7445个图形字符，其中包括6763个汉字。

BIG5编码

台湾地区繁体中文标准字符集，采用双字节编码，共收录13053个中文字，1984年实施。

GBK编码

1995年12月发布的汉字编码国家标准，是对GB2312编码的扩充，对汉字采用双字节编码。GBK字符集共收录21003个汉字，包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。

GB18030编码

2000年3月17日发布的汉字编码国家标准，是对GBK编码的扩充，覆盖中文、日文、朝鲜语和中国少数民族文字，其中收录27484个汉字。GB18030字符集采用单字节、双字节和四字节三种方式对字符编码。兼容GBK和GB2312字符集。

Unicode编码

国际标准字符集，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换。

简体字范围

4E00-9FA5

简体和繁体字范围

4E00-9FFF

判断简体和繁体的范围

Java代码片段

    public static String REGEXP_SIMPLIFIED = "^[\u4E00-\u9FA5]+$";
    public static String REGEXP_SIMPLIFIED_TRADITIONAL = "^[\u4E00-\u9FFF]+$";


    public static boolean matcher(String str, String regex) {
        return Pattern.compile(regex).matcher(str).find();
    }

    HanZiUtils.matcher("体", HanZiUtils.REGEXP_SIMPLIFIED);
    HanZiUtils.matcher("體", HanZiUtils.REGEXP_SIMPLIFIED_TRADITIONAL);

参考文章

1. 《汉字unicode编码范围》
2. 《中文汉字和英文数字的unicode编码范围》