PHP: Làm cách nào để phát hiện xem chuỗi đầu vào có phải là tiếng Ả Rập

Question

Có cách nào để phát hiện ngôn ngữ của dữ liệu được nhập thông qua trường nhập không?

Answer 1

hmm tôi có thể cung cấp một phiên bản cải tiến của chức năng DimaKrasun của:

functoin is_arabic($string) { 
    if($string === 'arabic') { 
     return true; 
    } 
    return false; 
} 

ổn, đủ nói đùa!

Đề xuất của Pekkas sử dụng api dịch google là một ứng dụng tốt! nhưng bạn đang dựa vào một dịch vụ bên ngoài luôn phức tạp hơn, v.v.

tôi nghĩ Rushyos là tốt! nó không dễ dàng. tôi viết hàm sau cho bạn, nhưng nó chưa được thử nghiệm, nhưng nó phải làm việc ...

<? 
function uniord($u) { 
    // i just copied this function fron the php.net comments, but it should work fine! 
    $k = mb_convert_encoding($u, 'UCS-2LE', 'UTF-8'); 
    $k1 = ord(substr($k, 0, 1)); 
    $k2 = ord(substr($k, 1, 1)); 
    return $k2 * 256 + $k1; 
} 
function is_arabic($str) { 
    if(mb_detect_encoding($str) !== 'UTF-8') { 
     $str = mb_convert_encoding($str,mb_detect_encoding($str),'UTF-8'); 
    } 

    /* 
    $str = str_split($str); <- this function is not mb safe, it splits by bytes, not characters. we cannot use it 
    $str = preg_split('//u',$str); <- this function woulrd probably work fine but there was a bug reported in some php version so it pslits by bytes and not chars as well 
    */ 
    preg_match_all('/.|\n/u', $str, $matches); 
    $chars = $matches[0]; 
    $arabic_count = 0; 
    $latin_count = 0; 
    $total_count = 0; 
    foreach($chars as $char) { 
     //$pos = ord($char); we cant use that, its not binary safe 
     $pos = uniord($char); 
     echo $char ." --> ".$pos.PHP_EOL; 

     if($pos >= 1536 && $pos <= 1791) { 
      $arabic_count++; 
     } else if($pos > 123 && $pos < 123) { 
      $latin_count++; 
     } 
     $total_count++; 
    } 
    if(($arabic_count/$total_count) > 0.6) { 
     // 60% arabic chars, its probably arabic 
     return true; 
    } 
    return false; 
} 
$arabic = is_arabic('عربية إخبارية تعمل على مدار اليوم. يمكنك مشاهدة بث القناة من خلال الموقع'); 
var_dump($arabic); 
?> 

suy nghĩ cuối cùng: như bạn thấy tôi thêm ví dụ một bộ đếm latin, phạm vi chỉ là một số giả b ut theo cách này, bạn có thể phát hiện bộ ký tự (tiếng do thái, tiếng la tinh, tiếng ả rập, tiếng Hin-ddi, tiếng Trung, v.v ...)

bạn cũng có thể muốn loại bỏ một số ký tự đầu tiên ... có thể @, dấu cách, dấu ngắt dòng, dấu gạch chéo, v.v. .. cờ PREG_SPLIT_NO_EMPTY cho hàm preg_split sẽ hữu ích nhưng vì lỗi mà tôi không sử dụng ở đây.

bạn cũng có thể có một bộ đếm cho tất cả các bộ ký tự và xem cái nào dĩ nhiên nhất ...

và cuối cùng là bạn nên xem xét chặt chuỗi của bạn tắt sau 200 ký tự hoặc một cái gì đó. điều này là đủ để cho biết bộ ký tự nào được sử dụng.

và bạn phải thực hiện một số thao tác xử lý lỗi! như chia cho số không, chuỗi rỗng, v.v. đừng quên điều đó, làm ơn ... bất kỳ câu hỏi nào? bình luận!

nếu bạn muốn phát hiện LANGUAGE của chuỗi, bạn nên chia thành các từ và kiểm tra các từ trong một số bảng được xác định trước. bạn không cần một từ điển hoàn chỉnh, chỉ là những từ phổ biến nhất và nó sẽ hoạt động tốt. tokenization/bình thường hóa là phải là tốt! có thư viện cho anyway đó và đây không phải là những gì bạn yêu cầu :) chỉ muốn đề cập đến nó

Answer 2

Tôi không biết giải pháp PHP cho việc này, không.

Tuy nhiên, Google Translate Ajax APIs có thể dành cho bạn.

Check-out đoạn javascript này từ các tài liệu API: Example: Language Detection

Answer 3

Bạn có thể sử dụng chức năng, mà tôi đã viết cho bạn:

<?php 
/** 
* Return`s true if string contains only arabic letters. 
* 
* @param string $string 
* @return bool 
*/ 
function is_arabic($string) 
{ 
    return (preg_match("/^\p{Arabic}/i", $string) > 0); 
} 

Nhưng xin, kiểm tra xem nó, trước khi sử dụng.

[EDIT 1]

Câu hỏi của bạn: "Làm thế nào để phát hiện nếu một chuỗi đầu vào là tiếng Ả Rập" Và tôi đã trả lời nó, điều gì sai?

[EDIT 2]

đọc này - Detect language from string in PHP

[EDIT 3]

Excuse, tôi viết lại chức năng này, hãy thử nó:

function is_arabic($subject) 
{ 
    return (preg_match("/^[\x0600-\x06FF]/i", $subject) > 0); 
} 

Answer 4

Tôi cho rằng bạn đang đề cập đến một chuỗi Unicode ... trong trường hợp đó, chỉ cần tìm pr esence của bất kỳ ký tự nào có mã giữa U + 0600 – U + 06FF (1536–1791) trong chuỗi.

Answer 5

này sẽ kiểm tra nếu chuỗi là tiếng Ả Rập Hoặc có văn bản tiếng Ả Rập

văn bản phải được UNICODE ví dụ UTF-8

$str = "بسم الله"; 
if (preg_match('/[أ-ي]/ui', $str)) { 
    echo "A match was found."; 
} else { 
    echo "A match was not found."; 
} 

Answer 6

public static function isArabic($string){ 
    if(preg_match('/\p{Arabic}/u', $string)) 
     return true; 
    return false; 
} 

Answer 7

Chức năng này kiểm tra xem dòng/câu đã nhập có phải là tiếng Ả Rập hay không. Tôi cắt nó trước rồi kiểm tra từng chữ bằng cách tính tổng số cho cả hai.

function isArabic($string){ 
     // Initializing count variables with zero 
     $arabicCount = 0; 
     $englishCount = 0; 
     // Getting the cleanest String without any number or Brackets or Hyphen 
     $noNumbers = preg_replace('/[0-9]+/', '', $string); 
     $noBracketsHyphen = array('(', ')', '-'); 
     $clean = trim(str_replace($noBracketsHyphen , '', $noNumbers)); 
     // After Getting the clean string, splitting it by space to get the total entered words 
     $array = explode(" ", $clean); // $array contain the words that was entered by the user 
     for ($i=0; $i <= count($array) ; $i++) { 
      // Checking either word is Arabic or not 
      $checkLang = preg_match('/\p{Arabic}/u', $array[$i]); 
      if($checkLang == 1){ 
       ++$arabicCount; 
      } else{ 
       ++$englishCount; 
      } 
     } 
     if($arabicCount >= $englishCount){ 
      // Return 1 means TRUE i-e Arabic 
      return 1; 
     } else{ 
      // Return 0 means FALSE i-e English 
      return 0; 
     } 
    } 

Answer 8

PHP Text_LanguageDetect library có thể phát hiện 52 ngôn ngữ. Nó được kiểm tra đơn vị và cài đặt thông qua nhà soạn nhạc và PEAR.