Как определить строку на английском или арабском?

Question

Есть ли способ определить строку на английском или арабском?

Answer 1

Вот простая логика, я просто попытался:

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; 
    } 

Он объявляет текст как арабские, если и только если арабская точку Юникода кода встречаются в тексте. Вы можете улучшить эту логику, чтобы быть более подходящей для ваших нужд.

Диапазон 0600 - 06E0 это диапазон кода точки арабских букв и символов (см Unicode tables)

Answer 2

Вы можете использовать категоризацию текста на основе N- (Google для этой фразы), но это не отказоустойчивый метод, и для этого может потребоваться не слишком короткая строка.

Вы также можете решить, что строка с буквами ASCII не является арабским.

Answer 3

Обычно вы можете указывать кодовые точки внутри самой строки. Арабский занимает certain blocks в кодовом пространстве Юникода.

Это довольно безопасная ставка, что, если значительная часть символов существует в этих блоках (например, بلدي الحوامات مليء الثعابينة), это арабский текст.

Answer 4

Попробуйте:

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

Незначительные изменения, чтобы охватить все арабские символы и символы в диапазоне

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 сама по себе поддерживает различные проверки языка по юникоду, поддерживается арабский язык. Гораздо проще и наименьший способ сделать то же самое - UnicodeBlock

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