語言檢測器

我想要一個讀取文檔中的文本並說它是用哪種語言（英語，西班牙語，...）的java代碼。文件的格式並不重要。我希望輸出是例如：「這份文件是西班牙文」。請以這種方式引導我，並給我一個示例代碼。語言檢測器

大多數文檔格式將該信息嵌入其元數據中。對於純文本文件，是的，你必須做一些魔術。 – 2012-02-06 16:20:21

這是問題解答網站，那麼你的問題是什麼，我建議閱讀常見問題解答... – Nettogrof 2012-02-06 16:21:34

你需要根據所使用的單詞使用猜測。我會爲每種語言創建一個單詞詞典並嘗試匹配它們。注：一些簡短的文件可能是。 – 2012-02-06 16:21:37

2012-02-06 16:22:05 bernabas

*「**注意：** Google Language Detect API必須用於用戶生成的語言檢測。嚴格禁止任何類型的自動或批量查詢。「* – 2012-02-06 16:24:40

的標準方法是建立n元模型的候選語言，然後建立目標文檔一個類似的模型，並使用一個簡單的比較，對參考模型編輯距離計算。 Gertjan van Noord的網站http://www.let.rug.nl/vannoord/TextCat/competitors.html可鏈接到您可以使用的多個圖書館。

2012-02-06 18:21:39 tripleee

language-detection庫在Java中使用非常簡單（請參閱示例代碼）和健壯性。檢測來自各種家庭的至少53種語言。

2012-02-08 00:16:48 zdepablo

回答