英語正規表現のC＃

Question

に私は与えられたテキストが英語であるかどうかが、私は次を含めるかどうかを検出することができます正規表現パターンが必要です。

• スペース
• は、数字や言葉を許可許可を
すべての特殊文字を許可、複数の行やタブ
• を許可
• @の＃​​$％^ & *（）_- + = {} |/<>〜 ` '："; []
• 許可するURL、Eメール
！
• テキストに英語以外の文字が含まれている場合は、英語以外のテキストとみなす必要があります。テキストに「بت...など」などのアラビア語の文字/フランス語 "é、â...など"と他のすべての言語

簡単に言えば、任意の形式のテキストが英語であるかどうかを知る必要があります。私はパターンをたくさん試しましたが、私はそれを得ていませんでした。実際、アプリケーションはオフラインで使用されるため、言語検出器を使用する必要はありません。受理すべきではないテキストの

サンプル：

こんにちは！ ...

مرحبابك

للتحميلاضغطهنا... http://www.google.com

テキストは英語以外の文字が含まれているのであれば、それは考慮されるべきである英語以外のテキストé。

Answer 1

私はそれを見つけたと思う、私は基本的なラテン語Unicodeカテゴリを試して、それは今まで正常に動作します。私が使用：

"^[\u0000-\u007F]+$" 

そのアイデアは、与えられたテキストは英語であり、英語のみの文字を使用して書かれている、加えて、それは特殊文字を許可するかどうかのチェックについてです。だから、与えられたテキストが "カフェで私の友人に会った"のようなものだったならば、英語のテキストではないと見なされます。 ..これはまさに私が必要としていたものでした。
ありがとうございます。

---

資源：

• http://kourge.net/projects/regexp-unicode-block
• https://msdn.microsoft.com/en-us/library/az24scfc(v=vs.110).aspx
• Regular expression to match non-English characters?

Answer 2

これは動作するはずです：

@"[^\t\w\d\s$-/:-?{-~!"^_`\[\]]+" 

を一致がある場合は、英語以外の文字/文字があります。

英語を話す人が普通に使っている文字だけがテキストに含まれているかどうかをテストしています。 言語を検出するには、自然言語処理は必要ですが、正規表現は必要ありません。

Answer 3

正規表現に英単語のすべての単語が含まれていれば理論的に可能です。

英語以外の文字を検出する正規表現を作成できます。それは確かに英語ではないテキストを検出しますが、確かにそれを確認することはできません。