使用swift查找任何语言中的非字母单词

Question

我有一些语言（英语、意大利语、阿拉伯语、法语等）的多个字符串。我想看一个单词列表，而不是那种语言的字母表。

例如，对于英语：

“这根绳子”-

"corect字符串格式"-

例如，阿拉伯语：

"在这里"-

"كلمة" -

我不想一个接一个地输入所有语言的字母表。有办法做我想做的吗？

Answer 1

这并不完全是您想要的，但regex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，如果您使用[\p{信}--\p{cript=arabic}]与"载波"，它将返回"abc"。

同样，可能不是您想要的，但您可以使用NaturalLanguageframework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

或者如果您使用。脚本在枚举标记中：

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