确定Java中的unicode字符串的语言

Question

如果我在java中有一个字符串，我该如何确定它属于哪种语言？ Unicode规范是否允许我们这样做？

Answer 1

如果字符串甚至是单词或短语，Unicode字符串中没有指定该字符串所处的语言的元数据。

根据字符串中包含的字符，您可能能够猜出正在使用的语言。例如，Unicode范围30A0-30FF表示日语片假名字符。所以如果你的字符串大部分都是由该范围内的字符组成的，你可以猜测它是日文的。虽然这并不可靠。例如，如果它只是随机片假名字符呢？为了可靠的语言检测，我将放弃使用Unicode作为语言检测基础的所有想法，并专注于语言识别算法。