swift - 使用 swift 查找任何语言的非字母单词

Question

我有一些语言的多个字符串（英语、意大利语、阿拉伯语、法语......等）。我想查看该语言字母表以外的单词列表。

例如英语：

"thisŞĞstring" -> 返回 false

“正确的字符串格式”-> 返回 true

例如阿拉伯语：

"كلمةabc" -> 返回假

“كلمة” -> 返回真

我不想一一输入所有语言的字母表。有没有办法做我想做的事？

Answer 1

这不是您要查找的内容，但正则表达式能够找到不符合特定脚本的字母，例如：

let string = "he said こんにちは"
let regex = try NSRegularExpression(pattern: #"[\p{Letter}--\p{script=latin}]+"#)
if 
    let match = regex.firstMatch(in: string, options: [], range: NSRange(string.startIndex..., in: string)), 
    let range = Range(match.range, in: string) 
{
    print(string[range])  // こんにちは
}

或者如果你使用[\p{Letter}--\p{script=arabic}]+“كلمةabc”，它会返回“abc”。

---

同样，可能不是您要查找的内容，但您可以使用NaturalLanguage框架来解析文本：

import NaturalLanguage

let text = "he said こんにちは"

let tagger = NLTagger(tagSchemes: [.language, .script])
tagger.string = text
let range = text.startIndex..<text.endIndex
let options: NLTagger.Options = [.omitWhitespace, .joinContractions]
tagger.enumerateTags(in: range, unit: .word, scheme: .language, options: options) { tag, range in
    guard let tag = tag else { return true }
    
    print(tag, String(text[range]))
    return true
}

返回：

NLTag(_rawValue: en) he
NLTag(_rawValue: en) said
NLTag(_rawValue: ja) こんにちは

或者，如果您.script使用enumerateTags：

NLTag(_rawValue: Latn) he
NLTag(_rawValue: Latn) said
NLTag(_rawValue: Jpan) こんにちは