语言检测器

我想要一个读取文档中的文本并说它是用哪种语言（英语，西班牙语，...）的java代码。文件的格式并不重要。我希望输出是例如：“这份文件是西班牙文”。请以这种方式引导我，并给我一个示例代码。语言检测器

大多数文档格式将该信息嵌入其元数据中。对于纯文本文件，是的，你必须做一些魔术。 – 2012-02-06 16:20:21

这是问题解答网站，那么你的问题是什么，我建议阅读常见问题解答... – Nettogrof 2012-02-06 16:21:34

你需要根据所使用的单词使用猜测。我会为每种语言创建一个单词词典并尝试匹配它们。注：一些简短的文件可能是。 – 2012-02-06 16:21:37

2012-02-06 16:22:05 bernabas

*“**注意：** Google Language Detect API必须用于用户生成的语言检测。严格禁止任何类型的自动或批量查询。“* – 2012-02-06 16:24:40

的标准方法是建立n元模型的候选语言，然后建立目标文档一个类似的模型，并使用一个简单的比较，对参考模型编辑距离计算。 Gertjan van Noord的网站http://www.let.rug.nl/vannoord/TextCat/competitors.html可链接到您可以使用的多个图书馆。

2012-02-06 18:21:39 tripleee

language-detection库在Java中使用非常简单（请参阅示例代码）和健壮性。检测来自各种家庭的至少53种语言。

2012-02-08 00:16:48 zdepablo

回答