java - 如何知道文字是阿拉伯语还是乌尔都语

我想知道文本是否包含乌尔都语或阿拉伯语中的任何字母..使用这种条件会在出现特殊字符时产生错​​误的结果。什么是正确的方法。任何库或正确的正则表达式是什么？

   if (cap.replaceAll("\\s+", "").matches("[A-Za-z]+")
                    || cap.replaceAll("\\s+", "").matches("[A-Za-z0-9]+")) {
                Log.d("isUrdu", "false");
                caption.setTypeface(Typeface.DEFAULT);
                caption.setTextSize(16);

            } else {
                Log.d("isUrdu", "True");
             /*   if (Build.VERSION.SDK_INT > Build.VERSION_CODES.JELLY_BEAN_MR1) {*/
                    caption.setTypeface(typeface);
                    caption.setTextSize(20);

         /*       }*/
            }

最佳答案

看一看Wikipedia Urdu alphabet，它包含以下Unicode范围:

U+0600 to U+06FF
U+0750 to U+077F
U+FB50 to U+FDFF
U+FE70 to U+FEFF

要匹配阿拉伯字母，可以使用\p{InArabic} Unicode属性类。

因此，您可以使用

if (cap.matches("(?s).*[\\u0600-\\u06FF\\u0750-\\u077F\\uFB50-\\uFDFF\\uFE70‌​-\\uFEFF].*"))
{
    /*There is an Urdu character*/
}
else if (cap.matches("(?s).*\\p{InArabic}.*"))
{
    /* The string contains an Arabic character */
}
else { /*No Arabic nor Urdu chars detected */ }

请注意，(?s)启用DOTALL修饰符，以便.也可以匹配换行符。

为了使matches具有更好的性能，您可以使用反向类而不是第一个.*:分别是"(?s)[^\\u0600-\\u06FF\\u0750-\\u077F\\uFB50-\\uFDFF\\uFE70‌​-\\uFEFF]*[\\u0600-\\u06FF\\u0750-\\u077F\\uFB50-\\uFDFF\\uFE70‌​-\\uFEFF].*"和"(?s)\\P{InArabic}*\\p{InArabic}.*"。

请注意，您也可以将较短的"[\\u0600-\\u06FF\\u0750-\\u077F\\uFB50-\\uFDFF\\uFE70‌​-\\uFEFF]"和"\\p{InArabic}"模式与Matcher#find()一起使用。