我有一些日语文本，但其中一些非日语汉字混在一起。我注意到这是因为我使用的日语字体不支持它们，并且浏览器使用其他字体呈现它们。据我所知，这些字符不在日语中使用，所以它们是错误地到达那里的（文本来自OCR）。我使用this在文本中查找汉字，但它似乎可以识别所有汉字，而不仅仅是汉字。是否有检测这些非日语字符的可靠方法，例如检查unicode的某些部分？
我能想到的唯一解决方案是列出正在使用的汉字的完整列表（或者更像是找到一个汉字），并检查每个字符是否在列表中，但是我怀疑它可能会有点慢。尽管如此，如果我找不到更好的方法来实现这一目标，我可能会以这种方式解决。
最佳答案
是否有检测这些非日语字符的可靠方法，例如检查unicode的某些部分？
不需要。您只需要枚举所有日语字符，例如查找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，但我怀疑它可能会有点慢。
不要使用列表，请使用哈希集。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。那就不应该太慢。
关于javascript - 我可以在文本中检测非日语汉字吗，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24982637/