我有几个utf8字符串，需要根据使用的字符找出语言。使用拉丁字母（例如德语，荷兰语和英语）来区分语言并不重要。出现的语言是阿拉伯文，韩文，中文，日文，即具有明确字符集的语言。在大多数情况下，字符串本身就是名称，可以假定第一个字符足以识别。
最佳答案
最简单的方法可以使用icu4j库和方法UScript.getScript(int)
它按字符检测脚本。对于标点和空格，它返回UScript.COMMON。对于拉丁文，它返回UScript.LATIN。对于中文和日文汉字，它返回UScript.HAN。对于日语假名，它返回UScript.KATAKANA或UScript.HIRAGANA（因此，一个HAN不能证明文本是中文而不是日语）。
建议您遍历字符串的代码点，但是在大多数情况下，遍历char就足够了。
这里还有一些理论：https://en.wikipedia.org/wiki/Script_%28Unicode%29
下表是为所有字符定义的脚本：http://www.unicode.org/Public/UNIDATA/Scripts.txt