半形（half-width/Hankaku） 與 全形（full-with/Zenkaku）

同一字元的兩種unicode編碼。主要是因為排版的需要，便於排版，美觀等因素。

可以將某一個字元的兩種unicode編碼分為稱為主要unicode編碼和次要unicode編碼。

比如說：

英文的大小寫字母、數字、標點的主要unicode編碼位於0x01-0x7F。由於這些字元都是半形的（half-width），所以其對應的全形的（full-width）形式的unicode編碼就是次要unicode編碼，位於0xFF00-OxFFEF

CJK的標點符號，日語的假名的主要unicode編碼都是全形的（full-width），所以其對應的半形（half-width）形式就是次要unicode編碼，也位於0xFF00-OxFFEF

在自然語言處理中，為機器處理方便，可以將所有字元都轉換到主要unicode編碼，也就是不使用0xFF00-OxFFEF區間的編碼。

具體的將英文的大小寫字母、數字、標點轉換到ascii碼錶區間；CJK都轉換到全形（full-width）形式。

注意CJK中有些標點符號跟英文的標點形式是相同，要將這些符號轉換到ascii碼錶區間。

Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS ： 4E00-9FBF：CJK 統一表意符號 
Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS ：F900-FAFF：CJK 相容象形文字 Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A ：3400-4DBF：CJK 統一表意符號擴充套件 A 
CJK的意思是“Chinese，Japanese，Korea”的簡寫 ，實際上就是指中日韓三國的象形文字的Unicode編碼 
Character.UnicodeBlock.GENERAL_PUNCTUATION ：2000-206F：常用標點 Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION ：3000-303F：CJK 符號和標點 Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS ：FF00-FFEF：半形及全形形式 

判斷字元中是否包含中文字元時,可以用 
Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);  
   if (ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS 
     || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS 
     || ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A 
     || ub == Character.UnicodeBlock.GENERAL_PUNCTUATION 
     || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION 
     || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS){ 
    return true; 
   } 
   return false; 
}