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 that you have read and understand our privacy policy and code of conduct.

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