c# - 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”和更多类似的单词。我怎样才能把我得到的单词分别放在一个数组中？我已尝试将单词转换为 unicode 字符，但我无法检测到“لا”和“علم”之间的中断。

可以很容易地根据空格分隔英语单词，但我坚持分隔没有空格的乌尔都语单词。

Answer 1

没有空格，因为它只有一个词，意思是“无知”。事实上，“لا”和“علم”分开是没有任何意义的。

在乌尔都语(和阿拉伯文字)中插入空格是为了在字体自动将其与相邻字符连在一起时区分单词。撤消连字的唯一方法是在字符之间插入多余的空格。 ZERO WIDTH NON-JOINER (U+200C) 从技术上讲，正是为了这个目的，但人类学习缓慢，空间容易插入。

有些字符不与后续字母连接，例如，“ا”不会与任何后续字符连接，但可以与前面的字符(如“ل”)形成连字“لا”。你可以用这个 list字符(阿拉伯语的相同规则)并编写一个自定义音调器，在“右连接”字符、ZWNJ 或空格之后结束单词。