Question

我有一个项目，我必须从阿拉伯文本中提取阿拉伯语令牌我怎样才能从文本中提取这些标记。使用下面的代码我浏览文件并在文本框中显示它，我想从文件中提取令牌。

private void button1_Click(object sender, EventArgs e)
{
    if (openFileDialog1.ShowDialog() == DialogResult.OK)
    {
        stropen = openFileDialog1.FileName;
        textBox1.Text = System.IO.File.ReadAllText(stropen);

    }
}

更新

让我解释一下这个问题。我有一个阿拉伯语文本，如下文所示。 الحمدللهالذیعلافیتوحدهودنافیتفردهوجلفیسلطانهوعظمفیأرکانه，وأحاطبکلشیءعلماوهوفیمکانه，وقهرجمیعالخلقبقدرتهوبرهانه，حمیدالمیزل，محمودالایزالومجیدالایزول，ومبدئاومعیداوکلأمرإلیهیعود 。在我的程序中，我在文本框中显示文本。我想测量文本并找到像“ل”。不是“ل”的标记，但在它上方的标记。我是c＃的初学者。谢谢你。

Answer 1

“extract”是什么意思并不十分清楚，但假设文件中的文本是unicode编码的，你基本上只是提取令牌，就像提取任何令牌一样。

例如，您可以使用各种String方法，包括搜索特定子字符串的String.IndexOf。您还可以使用regular expressions来设计“提取令牌”。

如果您的文字文件未经过unicode编码，则必须使用接受Encoding的{{3}}。

Answer 2

我不知道阿拉伯文字，但也许您可以根据以下内容尝试：

您可以使用简单的foreach循环遍历字符串中的所有字符。然后，您可以检查该角色的“Unicode类别”（请参阅MSDN）。如果我理解正确，您需要“NonSpacingMark”类别。

一些示例代码：

string s = " وَجَلَّ فی ";
foreach (char c in s)
{
    Console.Write(c);
    Console.WriteLine(Char.GetUnicodeCategory(c));
}

如何从阿拉伯语文本中提取阿拉伯语表达？

2 个答案: