PHP: Как мне определить, является ли строка ввода арабским
Существует ли способ определения языка данных, вводимых через поле ввода?
4 ответа
хмм я могу предложить улучшенную версию функции ДимыКрасуна:
functoin is_arabic($string) {
if($string === 'arabic') {
return true;
}
return false;
}
ладно, хватит шутить!
Предложение Pekkas использовать google translate api - хорошее! но вы полагаетесь на внешний сервис, что всегда сложнее и т.д.
Я думаю, что подход Rushyos хорош! Просто это не так просто. Я написал для вас следующую функцию, но она не проверена, но должна работать...
<?
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);
?>
последние мысли: как вы видите, я добавил, например, счетчик латиницы, диапазон - это просто фиктивное число, но таким образом вы можете определить набор символов (иврит, латиница, арабский, хинди, китайский и т.д.)
вы также можете захотеть сначала исключить некоторые символы... возможно, @, пробел, перевод строки, слеш и т.д.... Флаг PREG_SPLIT_NO_EMPTY для функции preg_split был бы полезен, но из-за ошибки я не использовал его здесь.
вы также можете иметь счетчик для всех наборов символов и посмотреть, какой из них больше всего...
и, наконец, вы должны подумать об обрыве строки после 200 символов или около того. этого должно быть достаточно, чтобы определить, какой набор символов используется.
и вы должны сделать некоторую обработку ошибок! например, деление на ноль, пустая строка и т.д. и т.п. не забывайте об этом, пожалуйста... есть вопросы? комментируйте!
если вы хотите определить ЯЗЫК строки, вы должны разделить ее на слова и проверить наличие слов в некоторых заранее определенных таблицах. вам не нужен полный словарь, только самые распространенные слова и все должно работать нормально. токенизация/нормализация также обязательна! для этого есть библиотеки и это не то, о чем вы просили :) просто хотел упомянуть об этом
Я предполагаю, что вы имеете в виду строку Unicode ... в этом случае просто найдите в строке наличие любого символа с кодом между U + 0600 – U + 06FF (1536–1791).
Вы можете использовать функцию, которую я написал для вас:
<?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", $string) > 0);
}
Но, пожалуйста, проверьте ее перед использованием.
[EDIT 1]
Ваш вопрос: "Как определить, является ли входная строка арабской?". И я на него ответил, что не так?
[EDIT 2]
Читайте здесь - Определение языка из строки в PHP
[EDIT 3]
Извините, я переписал функцию на эту, попробуйте:
function is_arabic($subject)
{
return (preg_match("/^[\x0600-\x06FF]/i", $subject) > 0);
}
Я не знаю решения PHP для этого, нет.
Однако API-интерфейсы Ajax Google Translate могут быть для вас.
Посмотрите этот фрагмент Javascript из документации API: Пример: определение языка