網路上判斷中文字元最常引用的寫法是 /[\u4e00-\u9fa5]/,但這個範圍其實並不完整。它只涵蓋了 CJK 統一表意字元的一部分,遇到部首、標點、注音符號或擴展區字元就會誤判為非中文。
/[\u4e00-\u9fa5]/.test('?'); // 測試部首「?」,回傳 false
根據 Unicode 5.0 的編碼規劃,一個準確的「中文字元」判斷需要涵蓋以下區段:
var rcjk = /[\u2E80-\u2EFF\u2F00-\u2FDF\u3000-\u303F\u31C0-\u31EF \u3200-\u32FF\u3300-\u33FF\u3400-\u4DBF\u4DC0-\u4DFF \u4E00-\u9FBF\uF900-\uFAFF\uFE30-\uFE4F\uFF00-\uFFEF]+/g;
如果只想要漢字、不要標點與符號,把這兩段從表達式中移除即可:
有時候不必依賴長串 Unicode 範圍,直接判斷編碼值更直觀:
function isChinese(ch) {
return ch.charCodeAt(0) > 255;
}
這個判斷的邏輯是:ASCII 與 Latin-1 補充區的編碼都不超過 255,因此編碼大於 255 的基本可以視為非西文字元。它比正則簡短,但精度較粗——日文假名、韓文字、俄文字母也會被算進來。若你的場景只需排除純英文輸入,這個寫法綽綽有餘;若必須精確辨識漢字,還是回到上面的完整範圍表。
\p{Script=Han}(需 u 修飾符)或第三方庫