5月27日 21:17

如何判断字符串是否为纯 ASCII 字符串

核心思路

ASCII 字符的编码值范围是 0–127（0x00–0x7F），共 128 个字符。判断一个字符串是否为纯 ASCII，本质就是检查其中每个字符的编码值是否都小于 128。任何编码值 ≥ 128 的字符都是非 ASCII 字符（如中文、emoji、法文重音字母等）。

Python 一行搞定：

python
s.isascii()  # Python 3.7+

内部等价于 all(ord(c) < 128 for c in s)，发现非 ASCII 字符立即返回 False，时间复杂度 O(n)。

JavaScript 用正则：

javascript
/^[\x00-\x7F]*$/.test(str)

\x00-\x7F 就是 0–127 的十六进制表示，正则引擎会逐字符匹配，命中非 ASCII 即失败。

Java 17+ 用内置方法：

java
str.chars().allMatch(Character::isAscii)

Go 逐 rune 判断：

go
func isASCII(s string) bool {
    for _, r := range s {
        if r > 127 {
            return false
        }
    }
    return true
}

C 逐字节判断（注意必须用 unsigned char，否则高位字符会被当作负数）：

c
bool is_ascii(const char *s) {
    for (size_t i = 0; s[i]; i++)
        if ((unsigned char)s[i] > 127) return false;
    return true;
}

Q: 空字符串算 ASCII 吗？ 算。空集合不包含非 ASCII 字符，逻辑上为真，isascii() 和正则方式也返回 True。

Q: UTF-8 编码下 ASCII 字符有什么特殊性？ ASCII 字符在 UTF-8 中只占 1 字节，且编码值与 ASCII 完全一致。因此可以用 len(s) == len(s.encode("utf-8")) 间接判断：长度不等说明存在多字节字符。

Q: 如何用 SIMD 加速？ 对长字符串，可以将每 16 字节加载到 SIMD 寄存器，与 127 做比较，一次判断 16 个字符是否都在 ASCII 范围内，比逐字符快一个数量级。Rust 的 bstr 库已内置此优化。

标签：ASCII