السلام عليكم ..
يتبادر في ذهني سؤال :
اقصد انه في العالم الحقيقي يكون رمز اللغة العربية هو AR واللغة الانجليزية مثلا تكون EN !
لكن في البرمجة كيف اقوم بتعريف سكربت معين على التعرف على اللغة ؟
ام يجب عمل خوارزمية مخصوصة لهذا ؟
هذه برمجية بسيطة بلغة php للتعرف على اللغة، تم الإعتماد على أكبر تكرار لنطاق اللغة في النص بمعنى وجود نص به عدة لغات سيكون تحديد لغة النص للغة المُستخدمة أكثر في النص، ويمكن تعديل البرمجية لتتناسب مع ما تحتاج، تحتاج الخوارزمية مزيد من التعديل لتحديد دقيق للغة حيث أن عديد من اللغات تشترك في نطاق مُعين كالأبجدية الإنجليزية.
إعتمدت على الجدول التالي:
البرمجية:
<?php
$rang = '0020|007F|Basic Latin
00A0|00FF|Latin-1 Supplement
0100|017F|Latin Extended-A
0180|024F|Latin Extended-B
0250|02AF|IPA Extensions
02B0|02FF|Spacing Modifier Letters
0300|036F|Combining Diacritical Marks
0370|03FF|Greek and Coptic
0400|04FF|Cyrillic
0500|052F|Cyrillic Supplementary
0530|058F|Armenian
0590|05FF|Hebrew
0600|06FF|Arabic
0700|074F|Syriac
0780|07BF|Thaana
0900|097F|Devanagari
0980|09FF|Bengali
0A00|0A7F|Gurmukhi
0A80|0AFF|Gujarati
0B00|0B7F|Oriya
0B80|0BFF|Tamil
0C00|0C7F|Telugu
0C80|0CFF|Kannada
0D00|0D7F|Malayalam
0D80|0DFF|Sinhala
0E00|0E7F|Thai
0E80|0EFF|Lao
0F00|0FFF|Tibetan
1000|109F|Myanmar
10A0|10FF|Georgian
1100|11FF|Hangul Jamo
1200|137F|Ethiopic
13A0|13FF|Cherokee
1400|167F|Unified Canadian Aboriginal Syllabics
1680|169F|Ogham
16A0|16FF|Runic
1700|171F|Tagalog
1720|173F|Hanunoo
1740|175F|Buhid
1760|177F|Tagbanwa
1780|17FF|Khmer
1800|18AF|Mongolian
1900|194F|Limbu
1950|197F|Tai Le
19E0|19FF|Khmer Symbols
1D00|1D7F|Phonetic Extensions
1E00|1EFF|Latin Extended Additional
1F00|1FFF|Greek Extended
2000|206F|General Punctuation
2070|209F|Superscripts and Subscripts
20A0|20CF|Currency Symbols
20D0|20FF|Combining Diacritical Marks for Symbols
2100|214F|Letterlike Symbols
2150|218F|Number Forms
2190|21FF|Arrows
2200|22FF|Mathematical Operators
2300|23FF|Miscellaneous Technical
2400|243F|Control Pictures
2440|245F|Optical Character Recognition
2460|24FF|Enclosed Alphanumerics
2500|257F|Box Drawing
2580|259F|Block Elements
25A0|25FF|Geometric Shapes
2600|26FF|Miscellaneous Symbols
2700|27BF|Dingbats
27C0|27EF|Miscellaneous Mathematical Symbols-A
27F0|27FF|Supplemental Arrows-A
2800|28FF|Braille Patterns
2900|297F|Supplemental Arrows-B
2980|29FF|Miscellaneous Mathematical Symbols-B
2A00|2AFF|Supplemental Mathematical Operators
2B00|2BFF|Miscellaneous Symbols and Arrows
2E80|2EFF|CJK Radicals Supplement
2F00|2FDF|Kangxi Radicals
2FF0|2FFF|Ideographic Description Characters
3000|303F|CJK Symbols and Punctuation
3040|309F|Hiragana
30A0|30FF|Katakana
3100|312F|Bopomofo
3130|318F|Hangul Compatibility Jamo
3190|319F|Kanbun
31A0|31BF|Bopomofo Extended
31F0|31FF|Katakana Phonetic Extensions
3200|32FF|Enclosed CJK Letters and Months
3300|33FF|CJK Compatibility
3400|4DBF|CJK Unified Ideographs Extension A
4DC0|4DFF|Yijing Hexagram Symbols
4E00|9FFF|CJK Unified Ideographs
A000|A48F|Yi Syllables
A490|A4CF|Yi Radicals
AC00|D7AF|Hangul Syllables
E000|F8FF|Private Use Area
F900|FAFF|CJK Compatibility Ideographs
FB00|FB4F|Alphabetic Presentation Forms
FB50|FDFF|Arabic Presentation Forms-A
FE00|FE0F|Variation Selectors
FE20|FE2F|Combining Half Marks
FE30|FE4F|CJK Compatibility Forms
FE50|FE6F|Small Form Variants
FE70|FEFF|Arabic Presentation Forms-B
FF00|FFEF|Halfwidth and Fullwidth Forms
FFF0|FFFF|Specials
10000|1007F|Linear B Syllabary
10080|100FF|Linear B Ideograms
10100|1013F|Aegean Numbers
10300|1032F|Old Italic
10330|1034F|Gothic
10380|1039F|Ugaritic
10400|1044F|Deseret
10450|1047F|Shavian
10480|104AF|Osmanya
10800|1083F|Cypriot Syllabary
1D000|1D0FF|Byzantine Musical Symbols
1D100|1D1FF|Musical Symbols
1D300|1D35F|Tai Xuan Jing Symbols
1D400|1D7FF|Mathematical Alphanumeric Symbols
20000|2A6DF|CJK Unified Ideographs Extension B
2F800|2FA1F|CJK Compatibility Ideographs Supplement
E0000|E007F|Tags';
function getLang($str){
global $rang;
$rangArr = array();
foreach(explode("\n", $rang) as $key=>$value){
$rangArr[$key]['from'] = explode("|", $value)[0];
$rangArr[$key]['to'] = explode("|", $value)[1];
$rangArr[$key]['name'] = explode("|", $value)[2];
}
$max = 0;
$lang = null;
foreach($rangArr as $key=>$value){
preg_match_all('/[\x{'.$value['from'].'}-\x{'.$value['to'].'}]/u', $str, $matches);
if(count($matches[0]) > $max){
$max = count($matches[0]);
$lang = $value['name'];
}
}
return $lang;
}
$str = ['Ahmed', 'أحمد', 'ِAhmed أحمد أبوالسعود', 'Kṯāḇānāyā', 'ތާނަ', 'এটি একটি ভাষা একক IBM স্ক্রিপ্ট'];
foreach($str as $value){
echo "<div>".getLang($value)."</div>";
}
?>
اي انني اريد مثلا عندما يقوم المستخدم بكتابة شيئ باللغة الفرنسية يقوم السكربت بطبع كلمة اللغة هي فرنسية
او مثلا يقوم المستخدم بالكتابة باللغة العربية يقوم السكربت بطبع كلمة اللغة هي : عربية
يمكن ذالك من خلال مكتبات متنوعة عبر PHP API حيث يوجد منها الترجمة وإكتشاف اللغة وحتى التصحيح اللغوي كلها بدعم من GOOGLE API:
[1]
[2]
الفكرة بسيطة، مثلا للعربية علينا أن نتأكد أن القيمة لا تتعدى مجال اللغة، وهو في حالنا هذه
من U+0621 إلى U+0652 ونستثني المجال من U+063B إلى U+063F
هذا يشمل كل حروف العربية اﻷصلية مع التطويلة والحركات.
bool isArabic(wchar c){
if(c>0x652 && c<0x621)
return false;
if(c<=0x63f && c>=0x63b)
return false;
return true;
}
مممم لم افهم شيء من هذه اللغة :-D
هل تساطيع اخباري بالجافا سكربت مثلاً . ولكن بدون مكتبات
هذا ما كتبته :
<?php
$c = '062E';
if($c > 0652 || $c < 0621){
echo 'ليست من العربية!';
}
if($c > 0x652 || $c < 0x621) {
echo 'العربية';
}
?>
لكن كيف احول حرف الخاء مثلا الى 062E
وايضا اذا كانت جمله ولست حروف ؟!
يمكنك تعريف دالة والمرور على جميع الحروف في الجملة شئ مثل الدالة الموجودة هنا
هذه لغة c وهي لا تختلف هنا كثيرًا عن JavaScript
سأشرحه خطوة خطوة، كما سأصلح خطأ انتبهت له اﻵن.
if(c>0x652 || c<0x621)
return false;
هنا نتأكد هل نحن في المجال الخاص باﻷبجدية العربية اﻷصلية( بدون اﻷبجدية العربية اﻹضافية كالحروف الفارسية مثلًا )
إذا كانت قيمة c (وهو متغير يحمل حرف بترميز Unicode) أكبر من 0x652 (رقم علامة السكون في Unicode)
أو أصغر من 0x621 (رقم الهمزة في Unicode) سنرجع false وتعني لا، إذا لم يتحقق هذا الشرط فنحن في مجال العربية
if(c<=0x63f && c>=0x63b)
return false;
هذا الشرط لاستثناء خمس حروف من اﻷبجدية العربية اﻹضافية بين حرف غ والتطويلة
إذا كانت قيمة c أصغر من أو تساوي 0x63f وأكبر من أو تساوي 0x63b فأرجع false
إذا لم تنطبق على الحرف الشروط السابقة فهو حرف أو حركة عربية أصلية
الرموز أنت من تختارها ، لأنك أنت من يجب عليه كتابة تلك الخوارزمية .
بالمصادفة وجدت هذا هنا في حسوب :
حقيقة لا أجيد برمجة الويب ، و لكن الرابط الذي أرفقته لك يحتوي على خوارزميات بالجافا سكربت ، و حسب علمي أن الجافا سكربت مرتبط بالphp ، تستطيع الإستفادة من الرابط أعلاه ، و لكني لا أعلم كيفية ذلك :) .
التعليقات