C#中如何判断字符串中的字符是全角还是半角？

Question

在C#开发中，如何准确判断字符串中的字符是全角还是半角是一个常见需求，尤其在处理多语言文本、输入验证或字符串对齐时尤为重要。由于全角字符（如中文、日文）通常占用两个字节，而半角字符（如ASCII字符）只占一个字节，仅通过字节长度判断容易出错。那么，如何通过Unicode编码范围或内置类库（如`System.Globalization`）来可靠区分全角与半角字符？特别是对于介于两者之间的符号或特殊字符，应采用何种策略确保判断的准确性？

Answer 1

1. 全角与半角字符的基本概念

在C#开发中，处理多语言文本时，全角（Full-width）与半角（Half-width）字符的区分是一个基础但关键的问题。全角字符通常用于中文、日文、韩文等东亚文字系统中，每个字符占据两个字节宽度，视觉上与汉字对齐；而半角字符多为ASCII字符，如英文字母、数字和常见符号，占据一个字节宽度。

尽管UTF-8编码下字符的字节数可能变化，但“全角/半角”本质上是字符的**显示宽度**属性，而非编码长度。因此，仅通过Encoding.UTF8.GetByteCount()判断会出错，例如一个全角“Ａ”和半角“A”在UTF-8中都可能是2或3字节，无法准确区分。

2. Unicode编码范围分析法

一种常见策略是依据Unicode码位范围来判断字符是否为全角或半角。以下是一些关键的Unicode区间：

字符类型	Unicode范围（十六进制）	说明
半角ASCII	U+0020 – U+007E	标准英文字符
全角形式	U+FF01 – U+FF5E	全角英文字母、数字、符号
CJK统一汉字	U+4E00 – U+9FFF	中文常用字，全角
半角片假名	U+FF65 – U+FF9F	日语半角片假名
全角平假名/片假名	U+3040 – U+309F / U+30A0 – U+30FF	日语全角假名

基于此，可通过如下C#代码实现初步判断：

public static bool IsFullWidth(char c)
{
    return (c >= '\uFF01' && c <= '\uFF5E') ||  // 全角ASCII对应
           (c >= '\u4E00' && c <= '\u9FFF') ||  // 中文汉字
           (c >= '\u3040' && c <= '\u30FF');    // 日文假名
}

public static bool IsHalfWidth(char c)
{
    return (c >= '\u0020' && c <= '\u007E') ||  // 标准ASCII
           (c >= '\uFF65' && c <= '\uFF9F');    // 半角片假名
}

3. 使用System.Globalization进行文化感知判断

.NET提供了System.Globalization命名空间中的StringInfo和TextElementEnumerator类，可用于更高级的文本处理。虽然没有直接API判断“全角”，但可通过CharUnicodeInfo.GetUnicodeCategory()辅助识别。

例如，全角字符常属于OtherLetter或Format类别，而半角多为UppercaseLetter或DecimalDigitNumber。结合Unicode类别的判断可提升准确性。

using System.Globalization;

public static int GetCharacterColumnWidth(char c)
{
    var category = CharUnicodeInfo.GetUnicodeCategory(c);
    if (category == UnicodeCategory.SpaceSeparator ||
        category.ToString().Contains("Punctuation") ||
        category.ToString().Contains("Symbol"))
    {
        // 特殊符号需查表
        if (c >= '\uFF01' && c <= '\uFF5E') return 2; // 全角符号
        if (c >= '\u0021' && c <= '\u007E') return 1; // 半角符号
    }

    // CJK文字宽度为2
    if ((c >= '\u4E00' && c <= '\u9FFF') ||
        (c >= '\u3040' && c <= '\u30FF'))
        return 2;

    return 1; // 默认宽度
}

4. 处理边界情况与模糊字符

某些字符如破折号“—”、引号““””、省略号“…”等，在不同字体或编码中可能表现为全角或半角形式，容易造成误判。对此应采用白名单+映射表策略：

• 建立全角字符码点集合（HashSet<char>）
• 对模糊符号进行显式定义
• 结合文化信息（CultureInfo）进行上下文判断

示例：构建全角字符集以提高性能

private static readonly HashSet<char> FullWidthChars = new HashSet<char>(
    Enumerable.Range(0xFF01, 0xFF5E - 0xFF01 + 1).Select(i => (char)i)
    .Concat(Enumerable.Range(0x4E00, 0x9FFF - 0x4E00 + 1).Select(i => (char)i))
    .Concat(Enumerable.Range(0x3040, 0x30FF - 0x3040 + 1).Select(i => (char)i))
);

5. 实际应用场景与流程设计

在输入验证、字符串对齐（如控制台输出、报表生成）、数据库存储限制等场景中，准确判断字符宽度至关重要。以下是典型处理流程：

graph TD A[输入字符串] -- 遍历每个字符 --> B{是否在已知全角范围?} B -- 是 --> C[标记为全角(宽度=2)] B -- 否 --> D{是否在半角ASCII范围内?} D -- 是 --> E[标记为半角(宽度=1)] D -- 否 --> F[查询Unicode类别] F --> G[根据类别+映射表判定] G --> H[返回最终宽度]

6. 性能优化与扩展建议

对于高频调用场景（如日志处理、实时输入校验），可采用以下优化手段：

1. 预计算常用字符宽度表（int[65536]）
2. 使用Span<char>避免内存分配
3. 支持代理对（Surrogate Pairs）处理Emoji等四字节字符
4. 集成ICU.NET库实现更精确的国际化支持

示例：构建静态宽度查找表

private static readonly int[] CharWidthTable = new int[65536];

static CharacterWidthHelper()
{
    for (int i = 0; i < CharWidthTable.Length; i++)
    {
        char c = (char)i;
        CharWidthTable[i] = GetCharacterColumnWidth(c); // 调用前述逻辑
    }
}