Java随机生成汉字

编码规则

GB 2312-80 是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，由中国国家标准总局发布，1981年5月1日实施。GB2312 编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持 GB 2312。

GB2312 标准共收录 6763 个汉字，其中一级汉字 3755 个，二级汉字 3008 个；同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的 682 个字符。GB2312 的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆 99.75% 的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312 不能处理，这导致了后来 GBK 及 GB18030 汉字字符集的出现。

GB2312 中对所收汉字进行了“分区”处理，每区含有 94 个汉字/符号。这种表示方式也称为区位码。

01 - 09 区为特殊符号。
16 - 55 区为一级汉字，按拼音排序。
56 - 87 区为二级汉字，按部首/笔画排序。
10 - 15 区及 88 - 94 区则未有编码。举例来说，“啊”字是 GB2312 之中的第一个汉字，它的区位码就是 1601。

每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”，第二个字节称为“低位字节”。“高位字节”使用了 0xA1 - 0xF7（把 01 - 87 区的区号加上 0xA0），“低位字节”使用了 0xA1 - 0xFE（把 01 - 94 位的位号加上 0xA0）。 由于一级汉字从 16 区起始，汉字区的“高位字节”的范围是 0xB0 - 0xF7，“低位字节”的范围是 0xA1 - 0xFE，占用的码位是 72 * 94 = 6768。其中有 5 个空位是 D7FA - D7FE。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节）0xA1（第二个字节）储存。（与区位码对比：0xB0 = 0xA0 + 16, 0xA1 = 0xA0 + 1）。

国家标准 GB 18030-2005《信息技术 中文编码字符集》，是中华人民共和国现时最新的内码字集，与 GB 2312-1980 完全兼容，与 GBK 基本兼容，支持 GB 13000 及 Unicode 的全部统一汉字，共收录汉字 70244 个。现行版本为国家质量监督检验总局和中国国家标准化管理委员会于2005年11月8日发布，2006年5月1日实施，为在中国境内所有软件产品支持的强制标准。

(以上资料来源于“维基百科”)

代码演示

了解编码的规则后，让我们做个小例子来验证是否正确，将汉字转换为16进制字节码输出。

public class Word {
    // 汉字转换成区位码
    public static String bytes2HexString(String s) {
        byte[] b = s.getBytes();
        s = "";
        for (int j = 0; j < b.length; j++) {
            String hex = Integer.toHexString(b[j] & 0xFF);
            if (hex.length() == 1) {
                hex = '0' + hex;
            }
            s = s + hex.toUpperCase();
        }
        return s;
    }
    public static void main(String[] args) {
        String str = "啊啊啊";
        char[] cs = str.toCharArray();
        for (int i = 0; i < cs.length; i++) {
            String s = cs[0] + "";
            System.out.print(bytes2HexString(s));
            System.out.print(" ");
        }
    }
}

由此可见，“啊”的确两个字节，分别为B0A1，是属于16区第一个的一级汉字。

随机生成汉字

根据编码规则，汉字分为高低位字节，分别代表区与位，所以可以定义两个变量，记录随机的区号和随机的位号，组合起来就是随机的汉字啦。

public class Word {

    //随机生成常见汉字
    public static String getRandomChar() {
        String str = "";
        int highCode;
        int lowCode;

        Random random = new Random();

        highCode = (176 + Math.abs(random.nextInt(39))); //B0 + 0~39(16~55) 一级汉字所占区
        lowCode = (161 + Math.abs(random.nextInt(93))); //A1 + 0~93 每区有94个汉字

        byte[] b = new byte[2];
        b[0] = (Integer.valueOf(highCode)).byteValue();
        b[1] = (Integer.valueOf(lowCode)).byteValue();

        try {
            str = new String(b, "GBK");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return str;
    }

    public static void main(String[] args) {
        String str = "";
        for (int i = 0; i < 10; i++) {
            str = getRandomChar();
            System.out.print(str + " ");
        }
    }
}

结束语：本文仅用来学习记录，参考查阅。