我在一个表单中有一个EditText，我希望当用户在EditText中输入文本时，我的程序可以检测到输入的语言是什么。
有没有一种方法可以确定字符串是英文还是波斯语？
我找到了这个阿拉伯语的代码
public static boolean isProbablyArabic(String s) {
for (int i = 0; i < Character.codePointCount(s, 0, s.length()); i++) {
int c = s.codePointAt(i);
if (c >= 0x0600 && c <=0x06E0)
return true;
}
return false;
}
但我该如何将这段代码改成波斯语？
波斯文（也包括乌尔都语）字母的所有可能的Unicode范围：
所以，如果你不想错过任何字符，请检查所有范围。希望有所帮助。
你可以使用正则表达式来判断字符串是英语还是波斯语。
public static final Pattern VALID_NAME_PATTERN_REGEX = Pattern.compile("[a-zA-Z_0-9]+$");
public static boolean isEnglishWord(String string) {
return VALID_NAME_PATTERN_REGEX.matcher(string).find();
}
这仅适用于文字和数字。如果有像“=”或“+”这样的字符，该函数将返回false。您可以通过编辑正则表达式来匹配所需内容以解决此问题。
如果不采用复杂的方法，很难确定用户输入的语言，因此你提供的方法示例被称为isProbablyArabic而不是isArabic。如果你的用户仅使用英语或波斯语写作，可以使用一个正则表达式来查看用户的文本是否包含西罗马字符（"^[a-zA-Z]*$"），如果返回false，则可以假定他们输入的是波斯语，但也可能是使用不同字符集的任何其他语言。
使用字符范围并不是检测某些具有重叠范围的语言（例如阿拉伯语、波斯语和乌尔都语）的完美方法。但是，如果您坚持使用这种方式，我的建议是寻找特定于语言的特殊字符。例如，گ或پ在波斯语中存在，但在阿拉伯语中不存在。另一方面，ئ或ة在阿拉伯文本中可能比波斯语更常见。通过计算这些特定字符，您可以区分阿拉伯语、波斯语和乌尔都语。
虽然我从上述方法中获得了良好的结果，但使用n-gram来检测语言更受欢迎和可靠。有许多库通过这种方法执行语言检测任务。