Cómo comprobar si la palabra es japonés o Inglés usando PHP

Question

Quiero tener diferentes procesos por palabra Inglés y la palabra japonesa en esta función

function process_word($word) {
   if($word is english) {
     /////////
   }else if($word is japanese) {
      ////////
   }
}

gracias

Answer 1

Una solución rápida que no necesita la extensión mb_string:

if (strlen($str) != strlen(utf8_decode($str))) {
    // $str uses multi-byte chars (isn't English)
}

else {
    // $str is ASCII (probably English)
}

o una modificación de la solución proporcionada por @Alexander Konstantinov :

function isKanji($str) {
    return preg_match('/[\x{4E00}-\x{9FBF}]/u', $str) > 0;
}

function isHiragana($str) {
    return preg_match('/[\x{3040}-\x{309F}]/u', $str) > 0;
}

function isKatakana($str) {
    return preg_match('/[\x{30A0}-\x{30FF}]/u', $str) > 0;
}

function isJapanese($str) {
    return isKanji($str) || isHiragana($str) || isKatakana($str);
}

Answer 2

Esta función comprueba si una palabra contiene al menos una letra japonesa (I encontraron rango Unicode para las letras japonesas en Wikipedia ).

function isJapanese($word) {
    return preg_match('/[\x{4E00}-\x{9FBF}\x{3040}-\x{309F}\x{30A0}-\x{30FF}]/u', $word);
}

Answer 3

Usted podría intentar API de traducción de Google que tiene una función de detección: http://code.google.com/apis/ idioma / traducir / v2 / using_rest.html # detectar el lenguaje-

Answer 4

Trate con mb_detect_encoding función, si la codificación es EUC-JP o UTF-8 / UTF-16 que puede ser japonés, de lo contrario Inglés. Cuanto mejor es si se puede garantizar, que codifica cada una lengua, como codificaciones UTF se pueden utilizar para muchos idiomas

Answer 5

texto Inglés por lo general se compone sólo de caracteres ASCII (o mejor dicho, personajes de rango ASCII).

Answer 6

Se puede tratar de convertir el juego de caracteres y comprobar si tiene éxito.

Tome un vistazo a iconv: http://www.php.net /manual/en/function.iconv.php

Si se puede convertir una cadena a la norma ISO-8859-1 que podría ser Inglés, si se puede convertir a la norma ISO-2022-JP es además probablemente japonés (puedo estar equivocado para los juegos de caracteres exactos, se debe de google para ellos) .