Java字符串中的汉字提取到数组方法详解

在Java开发中，处理包含汉字的字符串是常见需求。本文将详细介绍如何将字符串中的汉字提取到数组中，并提供多种实现方法。

方法一：使用正则表达式匹配

public static String[] extractChineseCharacters(String str) {
    // 匹配所有Unicode汉字
    String regex = "[\\u4e00-\\u9fa5]";
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(str);
    
    List chineseChars = new ArrayList<>();
    while(matcher.find()) {
        chineseChars.add(matcher.group());
    }
    
    return chineseChars.toArray(new String[0]);
}

方法二：遍历字符判断

public static String[] getChineseCharacters(String input) {
    List result = new ArrayList<>();
    
    for(int i = 0; i < input.length(); i++) {
        char c = input.charAt(i);
        // 判断是否是汉字
        if(Character.toString(c).matches("[\\u4e00-\\u9fa5]")) {
            result.add(Character.toString(c));
        }
    }
    
    return result.toArray(new String[0]);
}

方法三：使用Java 8 Stream API

public static String[] extractChineseWithStream(String str) {
    return str.chars()
             .filter(c -> String.valueOf((char)c).matches("[\\u4e00-\\u9fa5]"))
             .mapToObj(c -> String.valueOf((char)c))
             .toArray(String[]::new);
}

性能比较与选择建议

1. 对于短字符串，三种方法性能差异不大

2. 长字符串处理建议使用方法一（正则表达式）

3. Java 8及以上版本推荐使用Stream API实现

常见问题解答

Q1: 如何判断一个字符是否是汉字？

A1: 可以通过Unicode范围判断，汉字的Unicode编码范围是\u4e00-\u9fa5。

Q2: 这些方法能处理所有汉字吗？

A2: 上述方法可以处理基本汉字，但可能不包括一些特殊汉字或扩展汉字集。

Q3: 如何优化大文本的处理性能？

A3: 对于大文本，建议使用方法一，并考虑使用StringBuilder优化字符串处理。