PHP: как определить, является ли входная строка арабской

хмм я могу предложить улучшенную версию функции DimaKrasun:

functoin is_arabic($string) {
    if($string === 'arabic') {
         return true;
    }
    return false;
}

ладно, хватит прикалываться!

pekkas предложение использовать Google translate api является хорошим! но вы опираетесь на внешнюю службу, которая всегда сложнее и т. д.

Я думаю, что rushyos approch хорошо! это не так просто. я написал для вас следующую функцию, но ее не тестировал, но она должна работать...

    <?
function uniord($u) {
    // i just copied this function fron the php.net comments, but it should work fine!
    $k = mb_convert_encoding($u, 'UCS-2LE', 'UTF-8');
    $k1 = ord(substr($k, 0, 1));
    $k2 = ord(substr($k, 1, 1));
    return $k2 * 256 + $k1;
}
function is_arabic($str) {
    if(mb_detect_encoding($str) !== 'UTF-8') {
        $str = mb_convert_encoding($str,mb_detect_encoding($str),'UTF-8');
    }

    /*
    $str = str_split($str); <- this function is not mb safe, it splits by bytes, not characters. we cannot use it
    $str = preg_split('//u',$str); <- this function woulrd probably work fine but there was a bug reported in some php version so it pslits by bytes and not chars as well
    */
    preg_match_all('/.|\n/u', $str, $matches);
    $chars = $matches[0];
    $arabic_count = 0;
    $latin_count = 0;
    $total_count = 0;
    foreach($chars as $char) {
        //$pos = ord($char); we cant use that, its not binary safe 
        $pos = uniord($char);
        echo $char ." --> ".$pos.PHP_EOL;

        if($pos >= 1536 && $pos <= 1791) {
            $arabic_count++;
        } else if($pos > 123 && $pos < 123) {
            $latin_count++;
        }
        $total_count++;
    }
    if(($arabic_count/$total_count) > 0.6) {
        // 60% arabic chars, its probably arabic
        return true;
    }
    return false;
}
$arabic = is_arabic('عربية إخبارية تعمل على مدار اليوم. يمكنك مشاهدة بث القناة من خلال الموقع'); 
var_dump($arabic);
?>

Заключительные мысли: как видите, я добавлен, например, латинский счетчик, диапазон - это просто фиктивное число b ut таким образом, вы можете обнаружить кодировки (иврит, латинский, арабский, хинди, китайский и т. д...)

вы также можете сначала устранить некоторые символы... возможно @, пробел, разрывы строк, косые черты и т. д... флаг PREG_SPLIT_NO_EMPTY для функции preg_split был бы полезен, но из-за ошибки я не использовал его здесь.

вы также можете иметь счетчик для всех наборов символов и посмотреть, какой из них, конечно, наиболее...

и, наконец, вы должны рассмотреть возможность отрезать строку после 200 символов или что-то в этом роде. этого должно быть достаточно, чтобы сказать, какой набор символов используется.

и вы должны сделать некоторую обработку ошибок! как деление на ноль, пустая строка и т. д.! не забывайте об этом, пожалуйста... есть вопросы? комментарий!

Если вы хотите определить язык строки, вы должны разбиться на слова и проверить слова в некоторых предопределенных таблицах. вам не нужно полное словарь, только самые распространенные слова, и он должен работать нормально. токенизация / нормализация также является обязательным! есть библиотеки для этого в любом случае и это не то, что вы просили :) просто хотел упомянуть его