2

Допустим, имеется строка. Как определить, что она содержит нерусские символы? Потенциальный текст не содержит специальных символов, кроме пробелов. Конечно, можно было бы проверить наличие того или иного символа, но я думаю, что есть более простой и эффективный способ.

Посоветуйте, как это осуществить максимально быстро?

19
  • 2
    Пробел, запятая, точка, тире, скобки, кавычки считаются нерусскими? А китайские кавычки (『 』)? А немецкие (»вот такие«)?
    – VladD
    30 июн 2015 в 12:36
  • 3
    "12345" - это русский текст или нет? ;-)
    – cpp_user
    30 июн 2015 в 12:36
  • 2
    @Eugen: Вы всё же ответьте на вопрос, без этого невозможно вам ничего посоветовать. Давайте ещё докину: а белорусская ў? А исконно русский ять ѣ?
    – VladD
    30 июн 2015 в 12:39
  • 2
    но я думаю что есть более простой и эффективный способ - что вас навело на эту мысль?
    – Nofate
    30 июн 2015 в 12:45
  • 1
    @VladD ещё хитрый случай придумал. Если к кириллической Е добавить комбинированное двоеточие, символ считается русским?
    – Nick Volynkin
    9 янв 2017 в 19:19

3 ответа 3

8
public static void main(String[] args) throws Exception {
    Pattern pattern = Pattern.compile(
            "[" +                   //начало списка допустимых символов
                    "а-яА-ЯёЁ" +    //буквы русского алфавита
                    "\\d" +         //цифры
                    "\\s" +         //знаки-разделители (пробел, табуляция и т.д.)
                    "\\p{Punct}" +  //знаки пунктуации
            "]" +                   //конец списка допустимых символов
            "*");                   //допускается наличие указанных символов в любом количестве
    Matcher matcher = pattern.matcher("Посоветуйте, как это осуществить максимально быстро?");
    System.out.println(matcher.matches());//true

    matcher = pattern.matcher("lorem ipsum dolor sit amet");
    System.out.println(matcher.matches());//false
}

Если требуется разрешить еще какие-то символы, следует добавить их между квадратными скобками []. См. также JavaDoc к классу java.util.regex.Pattern

Для других языков можно использовать тот же самый код, заменив "а-яА-ЯёЁ" на готовые регулярные выражения, описывающие алфавиты большинства распространенных языков

3
  • 1
    Кстати, не факт, что регулярка — это максимально быстро.
    – Nick Volynkin
    6 авг 2015 в 9:01
  • "допускается наличие указанных символов в любом количестве" но хотя бы один-то там должен быть? Может, все же "+", а не "*" ?
    – mega
    6 авг 2015 в 19:43
  • 2
    Может, все же "+" - комментарий к выражению соответствует действию, им выполняемому (* это 0 или более раз, т.е. в любом количестве). Поставленная задача, если коротко: проверить есть в тексте не русские символы или нет. Смена * на + будет решать уже другую задачу - проверить, чтобы в тексте был 1 или более символ русского языка.
    – bobzer
    7 авг 2015 в 9:54
3

Если быстро и строка длинная (что считать длинным это отдельный вопрос), то можно проверить несколько (скажем, 0.1 от длины строки) случайных символов на попадание в диапазон от 'А' до 'я' и если их процент выше заданного, то считать строку русским текстом.
(наверное, для коротких строк быстрее проверять все символы).

2
  • Делать классифицирующий алгоритм случайно-зависимым? Не думаю, что это хорошая мысль. «Разрешить или нет… ?» Сейчас, кости только подброшу ☺ 27 авг 2015 в 15:31
  • @IncnisMrsi, скажите это разработчикам InnoDB: ANALYZE TABLE determines index cardinality... by doing random dives to each of the index trees and updating index cardinality estimates accordingly А ведь кардинальность индекса играет не маленькую роль в оптимизаторе
    – BOPOH
    27 авг 2015 в 15:47
2

Если коротко: явным образом перечислить все искомые символы плюс знаки препинания в регулярном выражении и проверять им строку.

Осталось определить множество русских символов.

7
  • Перечислить что, не русские? В Unicode, ага? 26 авг 2015 в 7:50
  • @IncnisMrsi: конечно нет, перечислить русские и проверять, что каждый символ входит в множество. Прочитайте принятый ответ.
    – Nick Volynkin
    26 авг 2015 в 7:52
  • Смысл? Не разбираюсь в Жаве, чтобы судить о скорости регулярки в сравнении с циклами. 26 авг 2015 в 8:01
  • @IncnisMrsi: в принятом ответе реализуется то, что я описал словами в этом. Раз он вызвал у вас сомнения, можете посмотреть на реализацию. Регулярка там видна и без знания Java.
    – Nick Volynkin
    26 авг 2015 в 8:03
  • Знаю, что Вас раздражаю, но семантика слова искомый не соответствует тому, о чём Вы думаете. 26 авг 2015 в 8:05

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.