根据不存在的空间拆分乌尔都语单词

Question

我有一个乌尔都语单词“لاعلم”和更相似的单词。如何在数组中分别单词“لا”和“علم”？我尝试将单词转换为unicode字符，但我可以检测“لا”和“علم”之间的中断。

英语单词可以根据空格轻松分隔，但我仍然坚持将乌尔都语单词分开，没有空格。

Answer 1

没有空间，因为它的一个单词意思是“无知”。事实上，“لا”和“علم”分开并不意味着什么。

在乌尔都语（和阿拉伯语脚本）中插入空格，以便在字体自动将其与相邻字符连接时划分字词的实际需要。可以撤消连字的唯一方法是在字符之间插入多余的空格。从技术上讲，ZERO WIDTH NON-JOINER（U + 200C）正是为了这个目的，但是人类学习起来很慢而且空间很容易插入。

有些字符不会与以下字母连接，例如，“ا”不会与任何后续字符连接，但可以使用前面的字符（如“ل”）来形成连字“لا”。您可以使用此list字符（阿拉伯语的相同规则）并编写一个自定义调色剂，在“正确加入”字符，ZWNJ或空格后结束单词。