我有一些日文文本，但有些非日文字符混杂在一起。我注意到它，因为我使用的日语字体不支持它们，浏览器使用不同的字体呈现它们。据我所知，这些字符在日语中没有使用，所以他们错误地到达那里（文字来自OCR）。我使用this在文本中查找汉字，但它似乎包含了所有汉字而不仅仅是汉字。有没有可靠的方法来检测那些非日语字符，比如检查unicode的某些部分？
我能想到的唯一解决方案就是制作一份正在使用的汉字的完整列表（或更像是找到一个）并检查每个字符是否在列表中，但我怀疑它可能是一个有点慢。尽管如此，如果我找不到更好的方法来实现这一点，我可能会这样解决它。
答案 0 :(得分：1)
有没有可靠的方法来检测那些非日语字符，比如检查unicode的某些部分？
没有。您需要简单地枚举所有日文字符，例如找到您的字体支持的所有字符：Finding out what characters a font supports
（...）检查每个字符是否在列表中，但我怀疑它可能有点慢。
不要使用列表，请使用hashset。如果您真的想要一个列表，请对其进行排序并使用二进制搜索。它不应该太慢。