1

У меня есть файл test.txt в котором присутствует текст: 㐨�ᵪ勿魉➈䚂ィ聂⑽₅硪▒地䰗倓쾄绻唔઩㯔옅꼴塟䂕蓘篛i
Мне нужно проверить если в файле начало строки начинается не с Русских букв или Английских и конец, то вернуть false, если присутствует то true
Проверку делаю так, но как правильно реализовать?

public static bool CheckChina()
{
  string fullfilepath = Path.Combine(desktopath, "11.txt");
  if (!fullfilepath.Contains("䚂ィ")) // Текст Китайский разный ( может не совпадать )
  {
     return false;
  }
  return true;
}
0

2 ответа 2

4

Начнём с того, что в китайском языке сам чёрт ногу сломит. Его символы не расположены в одном диапазоне.

https://en.wikipedia.org/wiki/CJK_Unified_Ideographs
https://stackoverflow.com/a/1366113/5045688

Соответственно, проверять нужно во всех этих диапазонах.

Более того, код одного из символов, которые вы привели в вопросе - - равен FF68. И он, насколько я могу судить, не входит ни в один из этих диапазонов. В то же время google translator определяет его как китайский. В общем, разбирайтесь сами.


Вот так можно сделать проверку по нескольким диапазонам. Тут несколько проходов по строке, но оставлю так ради понятности.

public static bool ContainsChinese(string text)
{
    return
        text.Any(c => c >= '\u4E00' && c <= '\u9FFF') ||
        text.Any(c => c >= '\u3400' && c <= '\u4DBF') ||
        text.Any(c => c >= '\uF900' && c <= '\uFAFF');
}

Есть диапазоны, которые в кодировке UTF-16 (это внутреннее представление строк в .NET) будут состоять из суррогатных пар. Например, 20000-215FF. Для работы с ними, видимо придётся использовать класс StringInfo.

Console.WriteLine(ContainsChinese("㐨�ᵪ勿魉➈䚂ィ聂⑽₅硪▒地䰗倓쾄绻唔઩㯔옅꼴塟䂕蓘篛i"));  //True

Другой вариант - используем регулярки.

Supported named blocks - здесь перечислены именованные блоки, которые можно использовать в регулярных выражениях. Например, так:

private static readonly Regex cjkRegex = new Regex(
    @"\p{IsCJKUnifiedIdeographs}|\p{IsCJKCompatibilityIdeographs}|\p{IsCJKCompatibilityForms}",
    RegexOptions.Compiled);

public static bool ContainsChinese(string text)
{
    return cjkRegex.IsMatch(text);
}

В шаблоне я указал три блока. Перечисляются они через знак |. По идее, туда нужно добавить все, содержащие в названии CJK. Выберите нужные вам диапазоны.

Console.WriteLine(ContainsChinese("㐨�ᵪ勿魉➈䚂ィ聂⑽₅硪▒地䰗倓쾄绻唔઩㯔옅꼴塟䂕蓘篛i"));  //True
2

Указать диапазон(ы) и сверять символы по ASCII.

public static bool CheckChina()
{
  string fullfilepath = Path.Combine(desktopath, "11.txt");
  foreach(char c in fullfilepath)
    for (int i = 19966; i < 21007; ++i)
       (int)c == i ? return true : continue;
return false;
} // Возможно не работает, давно не писал на шарпах

https://unicode-table.com/ru/blocks/cjk-unified-ideographs/

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.