开发C#怎么判断字符串包含中文 C#如何识别字符编码区间干货|Duuu笔记
深入理解前端原理，本文探讨
最可靠方法是遍历字符串并用char.IsSurrogate()配合char.ConvertToUtf32()检测Unicode码点，覆盖\u4e00-\u9fff、\u3400-\u4dbf及U+20000-U+2EBEF等全部中日韩汉字区块，避免漏字或误判。
用
char.IsSurrogate
和 Unicode 区间判断是否含中文最可靠
直接看字符的 Unicode 码点范围，比依赖编码或正则更稳。C# 的
string
是 UTF-16 编码，但中文字符分散在多个区块（基本汉字、扩展 A/B/C/D/E/F/G、兼容汉字等），不能只查
\u4e00-\u9fff
。
常见错误是只匹配
\u4e00-\u9fff
，漏掉「?」「㐂」「㐀」这类扩展区汉字，甚至把日文平假名（如
\u3040-\u309f
）误判为中文；还有人用
Encoding.GetEncoding("GB2312").GetBytes()
反推，结果遇到含 emoji 或生僻字就抛
EncoderFallbackException
。
\u4e00-\u9fff
：仅覆盖常用汉字，约 2 万字，缺大量人名、地名用字
必须补上
\u3400-\u4dbf
（扩展 A）、
U+20000-U+2A6DF
（扩展 B）、
U+2A700-U+2B73F
（扩展 C）等——这些需用
char.IsSurrogate()
配合
char.ConvertToUtf32()
检测
避免用
Regex.IsMatch(s, @"[\u4e00-\u9fff]")
单独判断，性能差且覆盖不全
推荐函数：遍历 +
char.IsSurrogate
+
char.ConvertToUtf32
这是 .NET 5+ 最轻量、最准的方式，不依赖外部库，也不触发编码转换开销。
示例逻辑：
白瓜AI
白瓜AI，一个免费图文AI创作工具，支持 AI 仿写，图文生成，敏感词检测，图片去水印等等。
下载
public static bool ContainsChinese(string s)
{
if (string.IsNullOrEmpty(s)) return false;
for (int i = 0; i < s.Length; i++)
{
char c = s[i];
if (char.IsHighSurrogate(c) && i + 1 < s.Length && char.IsLowSurrogate(s[i + 1]))
{
int utf32 = char.ConvertToUtf32(c, s[i + 1]);
if ((utf32 >= 0x3400 && utf32 <= 0x4DBF) || // 扩展 A
(utf32 >= 0x20000 && utf32 <= 0x2A6DF) || // 扩展 B
(utf32 >= 0x2A700 && utf32 <= 0x2B73F) || // 扩展 C
(utf32 >= 0x2B740 && utf32 <= 0x2B81F) || // 扩展 D
(utf32 >= 0x2B820 && utf32 <= 0x2CEAF)) // 扩展 E/F/G
return true;
i++; // 跳过低代理项
continue;
}
if (c >= '\u4e00' && c <= '\u9fff') return true; // 基本区
if (c >= '\u3400' && c <= '\u4dbf') return true; // 扩展 A（BMP 内部分）
if (c >= '\u3000' && c <= '\u303f') return true; // 中文标点
}
return false;
}
注意：扩展 B 及之后的码点无法用单个
char
表示，必须检测代理对（surrogate pair）
别忘了中文全角标点（
\u3000-\u303f
），否则「，。！？；：」「『』「」」会被漏掉
如果只要判断「是否有任意一个中文字符」，找到即
return true
，别遍历到底
为什么不用
Encoding.UTF8.GetBytes()
或
Encoding.Default
判断？
编码方式不是字符属性，而是字节表示方式。同一个中文字符串，在 UTF-8、GBK、UTF-16 下字节完全不同，但字符本身没变——你真正想问的是“这个
char
或
string
里有没有中文字符”，不是“它当前以什么编码存的”。
用
Encoding.Default
（通常是 GBK）会受系统区域设置影响，在英文 Windows 上可能返回
Encoding.ASCII
，导致所有中文都变成
?
或乱码
用
Encoding.UTF8.GetBytes(s)
后扫描字节，会把 UTF-8 多字节序列当普通字节处理，比如「中」是
0xe4 0xb8 0xad
，但单独扫
0xe4
完全无意义
调用
Encoding.GetEncoding("GBK")
在 .NET Core/.NET 5+ 默认不启用，需手动注册，还可能抛
NotSupportedException
边界情况：Emoji、生僻字、古籍用字容易被忽略
像「?」（U+30000，扩展 B 起始）、「?」（U+20BB6，扩展 B）这种字，既不在 BMP，也不在常用区间，很多“中文检测”工具直接返回
false
。
它们在 C# 中占两个
char
（高代理 + 低代理），必须用
char.IsSurrogate()
捕获，再转成
int
码点判断
古籍用字（如《康熙字典》增补字）大量落在扩展 E/F/G（U+2B820–U+2CEAF），目前只有少数字体支持显示，但 Unicode 已收录
Emoji 如 ?（U+1F30F）虽在扩展区，但不属于中文——别把整个扩展区都当中文，要按具体码点范围筛
真要覆盖全，就得把 Unicode 官方《CJK Unified Ideographs》各扩展块都列进去，但实际项目里，至少得包含扩展 A+B+C，不然用户输入「䶮」「犇」「燚」就判定失败——这些字在身份证、企业名里很常见。
