[求助]中英文文本分类问题

遍历一次，将英文字母虑除，应该就没问题吧。

【 在 S2S 的大作中提到: 】 : 遍历一次，将英文字母虑除，应该就没问题吧。 是有中文的txt 和英文的txt 在一起 把中文的txt要分类出来

那就每个文件都读一点？然后在判断？这样可行吗？ 【 在 arsenallee (海布里之恋) 的大作中提到: 】 : 是有中文的txt 和英文的txt 在一起 : 把中文的txt要分类出来

靠谱的办法是每个文件逐个读。读到中文字符就认为是中文。否则读到文件末尾都没有中文就认为是英文。 有一点楼主说的有歧义： 是有 “中文的txt” 和英文的txt在一起 是 “有中文的txt” 和英文的txt在一起

http://www.99inf.net/SoftwareDev/Java/54605.htm 这里说可以用正则表达式："[\ue400-\u9fa5]+"，匹配1个或多个汉字

我研究过这个问题，一般英文用一个byte，最高位是0，中文用两个byte，最高位是1，编码不同当然也有区别，但一般是这个规律

首先请搞清楚，你的txt将以什么encoding方式存放。 否则一切免谈

【 在 javame 的大作中提到: 】 : 我研究过这个问题，一般英文用一个byte，最高位是0，中文用两个byte，最高位是1，编码不同当然也有区别，但一般是这个规律 这是gb2312的编码规则吧。