文字が右から左の言語に属しているかどうかを検出する方法はありますか？

Question

文字列に右から左への言語でテキストが含まれているかどうかを確認する良い方法は何ですか？

私は、次のアプローチを示唆している。このquestionを発見した：これはアラビア語のために働くかもしれないが、これはヘブライ語など他のRTL言語をカバーしていないようだ

public bool IsArabic(string strCompare) 
{ 
    char[] chars = strCompare.ToCharArray(); 
    foreach (char ch in chars) 
    if (ch >= '\u0627' && ch <= '\u0649') return true; 
    return false; 
} 

を。特定の文字がRTL言語に属していることを知るための一般的な方法はありますか？

Answer 1

Unicode文字には、それぞれ異なるプロパティが関連付けられています。これらのプロパティはコードポイントから導出することはできません。文字が特定のプロパティを持っているかどうかを示す表が必要です。

双方向プロパティ「R」または「AL」（RandALCat）の文字に興味があります。

RandALCat文字は、明示的に右から左への方向性を持つ文字です。ここで

 
D. Bidirectional tables 

D.1 Characters with bidirectional property "R" or "AL" 

----- Start Table D.1 ----- 
05BE 
05C0 
05C3 
05D0-05EA 
05F0-05F4 
061B 
061F 
0621-063A 
0640-064A 
066D-066F 
0671-06D5 
06DD 
06E5-06E6 
06FA-06FE 
0700-070D 
0710 
0712-072C 
0780-07A5 
07B1 
200F 
FB1D 
FB1F-FB28 
FB2A-FB36 
FB38-FB3C 
FB3E 
FB40-FB41 
FB43-FB44 
FB46-FBB1 
FBD3-FD3D 
FD50-FD8F 
FD92-FDC7 
FDF0-FDFC 
FE70-FE74 
FE76-FEFC 
----- End Table D.1 ----- 

のUnicode 6.0のような完全なリストを取得するためにいくつかのコードです：

ここで（RFC 3454から）は、Unicode 3.2の完全なリストがあります

var url = "http://www.unicode.org/Public/6.0.0/ucd/UnicodeData.txt"; 

var query = from record in new WebClient().DownloadString(url).Split('\n') 
      where !string.IsNullOrEmpty(record) 
      let properties = record.Split(';') 
      where properties[4] == "R" || properties[4] == "AL" 
      select int.Parse(properties[0], NumberStyles.AllowHexSpecifier); 

foreach (var codepoint in query) 
{ 
    Console.WriteLine(codepoint.ToString("X4")); 
} 

なお、これらの値Unicodeコードポイントです。 C＃/ .NETの文字列はUTF-16でエンコードされているため、最初にUnicodeコードポイントに変換する必要があります（Char.ConvertToUtf32参照）。あなたが「named blocks」regular expressionsでを使用して試すことができます

static void IsAnyCharacterRightToLeft(string s) 
{ 
    for (var i = 0; i < s.Length; i += char.IsSurrogatePair(s, i) ? 2 : 1) 
    { 
     var codepoint = char.ConvertToUtf32(s, i); 
     if (IsRandALCat(codepoint)) 
     { 
      return true; 
     } 
    } 
    return false; 
} 

Answer 2

：ここでは、文字列は、少なくとも1つのRandALCat文字が含まれているかどうかを確認する方法です。右から左にあるブロックを選び、正規表現を形成するだけです。たとえば、次のようになります。

\p{IsArabic}|\p{IsHebrew} 

正規表現がtrueを返した場合、その文字列には少なくとも1つのヘブライ語またはアラビア文字があります。

Answer 3

すべての "AL" または（http://www.unicode.org/Public/6.0.0/ucd/UnicodeData.txtから）は、Unicode 6.0の "R"

bool hasRandALCat = 0; 
if(c >= 0x5BE && c <= 0x10B7F) 
{ 
    if(c <= 0x85E) 
    { 
     if(c == 0x5BE)      hasRandALCat = 1; 
     else if(c == 0x5C0)     hasRandALCat = 1; 
     else if(c == 0x5C3)     hasRandALCat = 1; 
     else if(c == 0x5C6)     hasRandALCat = 1; 
     else if(0x5D0 <= c && c <= 0x5EA)  hasRandALCat = 1; 
     else if(0x5F0 <= c && c <= 0x5F4)  hasRandALCat = 1; 
     else if(c == 0x608)     hasRandALCat = 1; 
     else if(c == 0x60B)     hasRandALCat = 1; 
     else if(c == 0x60D)     hasRandALCat = 1; 
     else if(c == 0x61B)     hasRandALCat = 1; 
     else if(0x61E <= c && c <= 0x64A)  hasRandALCat = 1; 
     else if(0x66D <= c && c <= 0x66F)  hasRandALCat = 1; 
     else if(0x671 <= c && c <= 0x6D5)  hasRandALCat = 1; 
     else if(0x6E5 <= c && c <= 0x6E6)  hasRandALCat = 1; 
     else if(0x6EE <= c && c <= 0x6EF)  hasRandALCat = 1; 
     else if(0x6FA <= c && c <= 0x70D)  hasRandALCat = 1; 
     else if(c == 0x710)     hasRandALCat = 1; 
     else if(0x712 <= c && c <= 0x72F)  hasRandALCat = 1; 
     else if(0x74D <= c && c <= 0x7A5)  hasRandALCat = 1; 
     else if(c == 0x7B1)     hasRandALCat = 1; 
     else if(0x7C0 <= c && c <= 0x7EA)  hasRandALCat = 1; 
     else if(0x7F4 <= c && c <= 0x7F5)  hasRandALCat = 1; 
     else if(c == 0x7FA)     hasRandALCat = 1; 
     else if(0x800 <= c && c <= 0x815)  hasRandALCat = 1; 
     else if(c == 0x81A)     hasRandALCat = 1; 
     else if(c == 0x824)     hasRandALCat = 1; 
     else if(c == 0x828)     hasRandALCat = 1; 
     else if(0x830 <= c && c <= 0x83E)  hasRandALCat = 1; 
     else if(0x840 <= c && c <= 0x858)  hasRandALCat = 1; 
     else if(c == 0x85E)     hasRandALCat = 1; 
    } 
    else if(c == 0x200F)      hasRandALCat = 1; 
    else if(c >= 0xFB1D) 
    { 
     if(c == 0xFB1D)      hasRandALCat = 1; 
     else if(0xFB1F <= c && c <= 0xFB28) hasRandALCat = 1; 
     else if(0xFB2A <= c && c <= 0xFB36) hasRandALCat = 1; 
     else if(0xFB38 <= c && c <= 0xFB3C) hasRandALCat = 1; 
     else if(c == 0xFB3E)     hasRandALCat = 1; 
     else if(0xFB40 <= c && c <= 0xFB41) hasRandALCat = 1; 
     else if(0xFB43 <= c && c <= 0xFB44) hasRandALCat = 1; 
     else if(0xFB46 <= c && c <= 0xFBC1) hasRandALCat = 1; 
     else if(0xFBD3 <= c && c <= 0xFD3D) hasRandALCat = 1; 
     else if(0xFD50 <= c && c <= 0xFD8F) hasRandALCat = 1; 
     else if(0xFD92 <= c && c <= 0xFDC7) hasRandALCat = 1; 
     else if(0xFDF0 <= c && c <= 0xFDFC) hasRandALCat = 1; 
     else if(0xFE70 <= c && c <= 0xFE74) hasRandALCat = 1; 
     else if(0xFE76 <= c && c <= 0xFEFC) hasRandALCat = 1; 
     else if(0x10800 <= c && c <= 0x10805) hasRandALCat = 1; 
     else if(c == 0x10808)     hasRandALCat = 1; 
     else if(0x1080A <= c && c <= 0x10835) hasRandALCat = 1; 
     else if(0x10837 <= c && c <= 0x10838) hasRandALCat = 1; 
     else if(c == 0x1083C)     hasRandALCat = 1; 
     else if(0x1083F <= c && c <= 0x10855) hasRandALCat = 1; 
     else if(0x10857 <= c && c <= 0x1085F) hasRandALCat = 1; 
     else if(0x10900 <= c && c <= 0x1091B) hasRandALCat = 1; 
     else if(0x10920 <= c && c <= 0x10939) hasRandALCat = 1; 
     else if(c == 0x1093F)     hasRandALCat = 1; 
     else if(c == 0x10A00)     hasRandALCat = 1; 
     else if(0x10A10 <= c && c <= 0x10A13) hasRandALCat = 1; 
     else if(0x10A15 <= c && c <= 0x10A17) hasRandALCat = 1; 
     else if(0x10A19 <= c && c <= 0x10A33) hasRandALCat = 1; 
     else if(0x10A40 <= c && c <= 0x10A47) hasRandALCat = 1; 
     else if(0x10A50 <= c && c <= 0x10A58) hasRandALCat = 1; 
     else if(0x10A60 <= c && c <= 0x10A7F) hasRandALCat = 1; 
     else if(0x10B00 <= c && c <= 0x10B35) hasRandALCat = 1; 
     else if(0x10B40 <= c && c <= 0x10B55) hasRandALCat = 1; 
     else if(0x10B58 <= c && c <= 0x10B72) hasRandALCat = 1; 
     else if(0x10B78 <= c && c <= 0x10B7F) hasRandALCat = 1; 
    } 
} 

Answer 4

EDIT：

これは私が今使用しているもので、それはヘブライ語でVowelizationの文字とすべてのものを含んでいますそして、アラビア語：

[\u0591-\u07FF] 

OLD ANSWER：

もし文の中でRTL言語を検出する必要がある場合は、この単純化正規表現は、おそらく十分でしょう。一つはヘブライ語で何かを書きたい場合は、これらの文字のいずれかを使用する必要があります

[א-ת؀-ۿ] 

、およびケースはアラビア語に似ています。

これには母音は含まれていないので、すべての単語をすべて、または絶対にすべてのRTL文字をキャッチする必要がある場合は、他の回答を使用することをお勧めします。 ヘブライ語の母音は、非詩文では非常にまれです。 アラビア語のテキストについてはわかりません。