Cách xác định chuỗi là tiếng Anh hoặc tiếng Ả Rập?

Question

Có cách nào để xác định chuỗi là tiếng Anh hoặc tiếng Ả Rập không?

Answer 1

Đây là một logic đơn giản mà tôi chỉ cố gắng:

public static boolean isProbablyArabic(String s) { 
    for (int i = 0; i < s.length();) { 
     int c = s.codePointAt(i); 
     if (c >= 0x0600 && c <= 0x06E0) 
      return true; 
     i += Character.charCount(c);    
    } 
    return false; 
    } 

Nó tuyên bố văn bản như arabic khi và chỉ khi một điểm mã unicode arabic được tìm thấy trong văn bản. Bạn có thể nâng cao logic này để phù hợp hơn với nhu cầu của bạn.

Phạm vi 0600 - 06E0 là phạm vi điểm mã ký tự tiếng Ả Rập và các biểu tượng (Xem Unicode tables)

Answer 2

Bạn có thể sử dụng Phân loại văn bản dựa trên N-gram (google cho cụm từ đó) nhưng không phải là kỹ thuật chống lỗi và có thể yêu cầu chuỗi không quá ngắn.

Bạn cũng có thể quyết định rằng một chuỗi chỉ có chữ cái ASCII không phải là tiếng Ả Rập.

Answer 3

Bạn thường có thể biết bằng các điểm mã trong chính chuỗi đó. Ả Rập chiếm certain blocks trong không gian mã Unicode.

Đó là một cược khá an toàn, nếu một tỷ lệ đáng kể các ký tự tồn tại trong các khối đó (chẳng hạn như بلدي الحوامات مليء الثعابينة), đó là văn bản tiếng Ả Rập.

Answer 4

Hãy thử này:

internal static bool ContainsArabicLetters(string text) 

{ 

foreach (char character in text.ToCharArray()) 
{ 
    if (character >= 0x600 && character <= 0x6ff) 
     return true; 
    if (character >= 0x750 && character <= 0x77f) 
     return true; 
    if (character >= 0xfb50 && character <= 0xfc3f) 
     return true; 
    if (character >= 0xfe70 && character <= 0xfefc) 
     return true; 
} 
return false; 
} 

Answer 5

Một thay đổi nhỏ để trang trải tất cả các nhân vật arabic và biểu tượng dao động

private boolean isArabic(String text){ 
     String textWithoutSpace = text.trim().replaceAll(" ",""); //to ignore whitepace 
     for (int i = 0; i < textWithoutSpace.length();) { 
      int c = textWithoutSpace.codePointAt(i); 
      //range of arabic chars/symbols is from 0x0600 to 0x06ff 
      //the arabic letter 'لا' is special case having the range from 0xFE70 to 0xFEFF 
      if (c >= 0x0600 && c <=0x06FF || (c >= 0xFE70 && c<=0xFEFF)) 
       i += Character.charCount(c); 
      else     
       return false; 

     } 
     return true; 
     } 

Answer 6

Java tự hỗ trợ kiểm tra ngôn ngữ khác nhau bằng unicode, tiếng Ả Rập cũng được hỗ trợ. Cách đơn giản hơn và nhỏ nhất để thực hiện tương tự là bằng UnicodeBlock

public static boolean isTextContainsHindi(String text) { 
    for (char charac : text.toCharArray()) { 
     if (Character.UnicodeBlock.of(charac) == Character.UnicodeBlock.Ar) { 
      return true; 
     } 
    } 
    return false; 
}