Как определить нерусский текст?

Question

Допустим, имеется строка. Как определить, что она содержит нерусские символы? Потенциальный текст не содержит специальных символов, кроме пробелов. Конечно, можно было бы проверить наличие того или иного символа, но я думаю, что есть более простой и эффективный способ.

Посоветуйте, как это осуществить максимально быстро?

Answer 1

public static void main(String[] args) throws Exception {
    Pattern pattern = Pattern.compile(
            "[" +                   //начало списка допустимых символов
                    "а-яА-ЯёЁ" +    //буквы русского алфавита
                    "\\d" +         //цифры
                    "\\s" +         //знаки-разделители (пробел, табуляция и т.д.)
                    "\\p{Punct}" +  //знаки пунктуации
            "]" +                   //конец списка допустимых символов
            "*");                   //допускается наличие указанных символов в любом количестве
    Matcher matcher = pattern.matcher("Посоветуйте, как это осуществить максимально быстро?");
    System.out.println(matcher.matches());//true

    matcher = pattern.matcher("lorem ipsum dolor sit amet");
    System.out.println(matcher.matches());//false
}

Если требуется разрешить еще какие-то символы, следует добавить их между квадратными скобками []. См. также JavaDoc к классу java.util.regex.Pattern

Для других языков можно использовать тот же самый код, заменив "а-яА-ЯёЁ" на готовые регулярные выражения, описывающие алфавиты большинства распространенных языков

Answer 2

Если быстро и строка длинная (что считать длинным это отдельный вопрос), то можно проверить несколько (скажем, 0.1 от длины строки) случайных символов на попадание в диапазон от 'А' до 'я' и если их процент выше заданного, то считать строку русским текстом.
(наверное, для коротких строк быстрее проверять все символы).

Answer 3

Если коротко: явным образом перечислить все искомые символы плюс знаки препинания в регулярном выражении и проверять им строку.

Осталось определить множество русских символов.