RError.com

RError.com Logo RError.com Logo

RError.com Navigation

  • 主页

Mobile menu

Close
  • 主页
  • 系统&网络
    • 热门问题
    • 最新问题
    • 标签
  • Ubuntu
    • 热门问题
    • 最新问题
    • 标签
  • 帮助
主页 / 问题 / 1091655
Accepted
Win_D
Win_D
Asked:2020-03-07 02:35:10 +0000 UTC2020-03-07 02:35:10 +0000 UTC 2020-03-07 02:35:10 +0000 UTC

确定字符串中的语言

  • 772

有必要找出字符串中的语言。如果它包含西里尔字符,那么它是用俄语写的。如果没有西里尔字符,则为英文。为此,我使用正则表达式:

import (
    "regexp"
)

func main() {
    str := "Некая строка c кириллическими символами"
    re := regexp.MustCompile("[А-Яа-я]+?") //проверяем на киррилические символы
    isRussian := re.MatchString(str)

    if isRussian {
        ...
    }
}

有没有更有效的方法来找出字符串的语言?只有两种语言——俄语和英语。

golang
  • 2 2 个回答
  • 10 Views

2 个回答

  • Voted
  1. Pavel Parshin
    2020-03-07T04:57:58Z2020-03-07T04:57:58Z

    如果假设不会有混合行,那么您可以这样做:

    func IsRusByUnicode(str string) bool {
        for _, r := range str {
            if unicode.Is(unicode.Cyrillic, r) {
                return true
            }
        }
        return false
    }
    

    这将比 RegExp 更快:

    package language
    
    import "testing"
    
    var result bool
    
    func BenchmarkIsRusByUnicode(b *testing.B) {
        b.ReportAllocs()
        var r bool
        for i := 1; i < b.N; i++ {
            r = IsRusByUnicode("Некая строка c кириллическими символами")
        }
        result = r
    }
    
    
    func BenchmarkIsRusByRegexp(b *testing.B) {
        b.ReportAllocs()
        var r bool
        for i := 1; i < b.N; i++ {
            r = IsRusByRegexp("Некая строка c кириллическими символами")
        }
        result = r
    }
    

    试验结果:

    BenchmarkIsRusByUnicode-8           85523263            12.6 ns/op         0 B/op          0 allocs/op
    BenchmarkIsRusByRegexp-8            13899225            82.8 ns/op         0 B/op          0 allocs/op
    

    UPD:用更正确的替换了对俄语字母表中字符出现的检查。

    • 3
  2. Best Answer
    zed
    2020-03-09T17:49:44Z2020-03-09T17:49:44Z

    最快(也是最简单)的方法:

    func IsEngByLoop(str string) bool {
        for i := 0; i < len(str); i++ {
            if str[i] > unicode.MaxASCII {
                return false
            }
        }
        return true
    }
    

    一旦确定只处理两种语言,确定字符串中的所有字符是否都是 ASCII 字符就足够了。如果是,那么该行是用英语写的,如果不是,那么用其他语言(在你的情况下,它是俄语)。

    字符串为俄语时的基准测试结果:

    goos: windows
    goarch: amd64
    BenchmarkIsRusByRegexp-2          521700          2045 ns/op         840 B/op         10 allocs/op
    BenchmarkIsRusByUnicode-2       63156564            18.8 ns/op         0 B/op          0 allocs/op
    BenchmarkIsEngByRune-2          100000000           11.2 ns/op         0 B/op          0 allocs/op
    BenchmarkIsEngByLoop-2          326068348            3.70 ns/op        0 B/op          0 allocs/op
    

    对于字符串为英文的情况:

    BenchmarkIsRusByRegexp-2          285699          3574 ns/op         840 B/op         10 allocs/op
    BenchmarkIsRusByUnicode-2        3550089           340 ns/op           0 B/op          0 allocs/op
    BenchmarkIsEngByRune-2          27271363            42.9 ns/op         0 B/op          0 allocs/op
    BenchmarkIsEngByLoop-2          39998400            30.2 ns/op         0 B/op          0 allocs/op
    

    为了比较,测试参与了上面答案中的函数和使用迭代的函数range:

    func IsEngByRune(str string) bool {
        for _, r := range str {
            if r > unicode.MaxASCII {
                return false
            }
        }
        return true
    }
    
    • 3

相关问题

Sidebar

Stats

  • 问题 10021
  • Answers 30001
  • 最佳答案 8000
  • 用户 6900
  • 常问
  • 回答
  • Marko Smith

    如何从列表中打印最大元素(str 类型)的长度?

    • 2 个回答
  • Marko Smith

    如何在 PyQT5 中清除 QFrame 的内容

    • 1 个回答
  • Marko Smith

    如何将具有特定字符的字符串拆分为两个不同的列表?

    • 2 个回答
  • Marko Smith

    导航栏活动元素

    • 1 个回答
  • Marko Smith

    是否可以将文本放入数组中?[关闭]

    • 1 个回答
  • Marko Smith

    如何一次用多个分隔符拆分字符串?

    • 1 个回答
  • Marko Smith

    如何通过 ClassPath 创建 InputStream?

    • 2 个回答
  • Marko Smith

    在一个查询中连接多个表

    • 1 个回答
  • Marko Smith

    对列表列表中的所有值求和

    • 3 个回答
  • Marko Smith

    如何对齐 string.Format 中的列?

    • 1 个回答
  • Martin Hope
    Alexandr_TT 2020年新年大赛! 2020-12-20 18:20:21 +0000 UTC
  • Martin Hope
    Alexandr_TT 圣诞树动画 2020-12-23 00:38:08 +0000 UTC
  • Martin Hope
    Air 究竟是什么标识了网站访问者? 2020-11-03 15:49:20 +0000 UTC
  • Martin Hope
    Qwertiy 号码显示 9223372036854775807 2020-07-11 18:16:49 +0000 UTC
  • Martin Hope
    user216109 如何为黑客设下陷阱,或充分击退攻击? 2020-05-10 02:22:52 +0000 UTC
  • Martin Hope
    Qwertiy 并变成3个无穷大 2020-11-06 07:15:57 +0000 UTC
  • Martin Hope
    koks_rs 什么是样板代码? 2020-10-27 15:43:19 +0000 UTC
  • Martin Hope
    Sirop4ik 向 git 提交发布的正确方法是什么? 2020-10-05 00:02:00 +0000 UTC
  • Martin Hope
    faoxis 为什么在这么多示例中函数都称为 foo? 2020-08-15 04:42:49 +0000 UTC
  • Martin Hope
    Pavel Mayorov 如何从事件或回调函数中返回值?或者至少等他们完成。 2020-08-11 16:49:28 +0000 UTC

热门标签

javascript python java php c# c++ html android jquery mysql

Explore

  • 主页
  • 问题
    • 热门问题
    • 最新问题
  • 标签
  • 帮助

Footer

RError.com

关于我们

  • 关于我们
  • 联系我们

Legal Stuff

  • Privacy Policy

帮助

© 2023 RError.com All Rights Reserve   沪ICP备12040472号-5