检查字符串是波斯语还是英语。

Question

我有一个webview，它会从URL中加载一个字符串，我不确定这是否是正确的方法，但我想要做的是检查这个字符串是否是波斯语，如果是，我将更改webview的文本对齐方式为RTL，否则更改为LTR。是否可以确定该字符串是波斯语还是英语？或者是否有其他更好的处理方法？

谢谢提前。

- arash moeen

Answer 1

尝试以下正则表达式，检查阿拉伯语、波斯语和希伯来语字符范围。

public static final Pattern RTL_CHARACTERS = 
    Pattern.compile("[\u0600-\u06FF\u0750-\u077F\u0590-\u05FF\uFE70-\uFEFF]");
Matcher matcher = RTL_CHARACTERS.matcher("براي تست");
if(matcher.find()){
   return true;  // it's RTL
} 

- VahidN

---

非常好用，加1分是因为没有使用任何外部库。 - arash moeen

Answer 2

试试 波斯工具，这是一个非常棒的JavaScript库，它可以处理很多其他有用的功能。

import { isPersian, toPersianChars } from "persian-tools2";

isPersian("این یک متن فارسی است؟") // true
isPersian("Lorem Ipsum Test") // false

- Majid Shahabfar

Answer 3

在Java中有语言检测库可用于检测语言。我认为这可能会对你有所帮助，试试看。

你需要导入以下库文件才能使用它。

import com.cybozu.labs.langdetect.Detector;
import com.cybozu.labs.langdetect.DetectorFactory;
import com.cybozu.labs.langdetect.Language;

更多参考资料请点击这里

- senthil

Answer 4

这里有一些方法，在Java中进行语言识别有所解释。

你可以做的是检查字符串是否为英语，如果不是则应该是波斯语。

TextCat: http://textcat.sourceforge.net/

- letsjak

---

如果字符串是两种语言的组合怎么办？例如，大部分是波斯语书写的，但其中有一些英文单词，这种情况经常发生。 - arash moeen

将字符串按空格拆分为数组，其中每个数组元素都是您的句子中的一个单词。然后检查每个数组元素。在此处进行检查：https://dev59.com/N2445IYBdhLWcg3w1tkS - letsjak

它奇怪地将“hello my name is kia gallery, what I do is creating amazing jewelry mostly in gold”检测为匈牙利语，你有什么想法吗？ - arash moeen

也许可以考虑寻找另一个 API，而不是 textcat。例如 http://www.basistech.com/text-analytics/rosette/language-identifier/ 或 https://code.google.com/p/language-detection/。 - letsjak

Answer 5

感谢被接受的答案：
对于包含英文字母、数字、空格以及波斯语、阿拉伯语和希伯来语字符的特定长度，您可以使用以下正则表达式模式：

//MAX_LENGTH = maximum allowable length of string
var pattern = /^[a-zA-Z0-9-\u0600-\u06FF\u0750-\u077F\u0590-\u05FF\uFE70-\uFEFF ]{2,MAX_LENGTH}$/;

JavaScript 示例：

function check_En_Numbers_space_Persian_Arabic_Hebrew(str) {
    var pattern = /^[a-zA-Z0-9-\u0600-\u06FF\u0750-\u077F\u0590-\u05FF\uFE70-\uFEFF ]{2,100}$/;
    return pattern.test(str.trim());
}

- Ghasem Sadeghi