Как обратить подмену символов в слове на похожие по начертанию?

Question

Задача такая. Есть слово. Например "Паранoрмальное". Одна из букв здесь написана на английской раскладке. Нужно определить раскладку слова (по наибольшему сосредоточию), выявить символы из другой раскладки (думаю, в UTF есть похожие символы не только между русской и английской раскладками) и заменить их на аналогичные по начертанию символы из раскладки, к которой принадлежит большинство символов. Не подскажете быстрый способ это сделать на языке C#?

Answer 1

Для поиска букв, относящихся к определённому языку, можно использовать именованные блоки регулярных выражений.

А вот таблицы перекодировки придётся составлять вручную (в примере только по две похожих буквы в словарях).

string text = "Паранoрмальное";

var basicLatinToCyrillicDictionary = new Dictionary<char, char>
{
    ['a'] = 'а',
    ['o'] = 'о'
};
var cyrillicToBasicLatinDictionary = new Dictionary<char, char>
{
    ['а'] = 'a',
    ['о'] = 'o'
};

string basicLatinPattern = @"\p{IsBasicLatin}";
string cyrillicPattern = @"\p{IsCyrillic}";

var basicLatinMatches = Regex.Matches(text, basicLatinPattern);
var cyrillicMatches = Regex.Matches(text, cyrillicPattern);

int basicLatinCount = basicLatinMatches.Count;
int cyrillicCount = cyrillicMatches.Count;

var sb = new StringBuilder(text);

if (cyrillicCount > basicLatinCount)
{
    foreach (Match m in basicLatinMatches)
    {
        char basicLatinChar = m.Value[0];
        char cyrillicChar = basicLatinToCyrillicDictionary[basicLatinChar];

        sb.Replace(basicLatinChar, cyrillicChar, m.Index, 1);
    }
}
else
{
    // обратная замена
}

text = sb.ToString();
Console.WriteLine(text);

Если языков больше двух, то количество таблиц перекодировок становится устрашающим...

---

Присмотрелся я к диапазонам кодовых точек: судя по BasicLatin туда не только буквы попадают. Так что способ может не подойти.

Answer 2

Используй коды ASCII, английский символы начинаются от 65 hex до 122hex русские - hex 192-255 Вот тут можно посмотреть коды

Тебе нужно каждый символ сравнивать просто

    string value = "Паранoрмальное";

// Convert the string into a byte[].
byte[] asciiBytes = Encoding.ASCII.GetBytes(value);