我正在polyglot用 Python 测试包以检测混合语言文档中的语言。
我并不期望它得到最准确的预测，但从包开始不会返回任何东西，而是一种语言作为答案，即使对于其中包含 2 或 3 种语言的文本也是如此。
我使用的文本平均有 20 个单词，例如：
text = 'Je travaillais en France. Je suis tres heureux. I work in London. I grew up in Manchester.'
我总是得到类似以下的东西 - 没有多种语言的答案：
Prediction is reliable: True
Language 1: name: English code: en confidence: 98.0 read bytes: 682
Language 2: name: un code: un confidence: 0.0 read bytes: 0
Language 3: name: un code: un confidence: 0.0 read bytes: 0
它与文档中的示例相去甚远：
> China (simplified Chinese: 中国; traditional Chinese: 中國),
>
> name: English code: en confidence: 71.0 read bytes: 887
> name: Chinese code: zh_Hant confidence: 11.0 read bytes: 1755
> name: un code: un confidence: 0.0 read bytes: 0
尽管老实说，当我使用上面的中英文示例运行检测器时，我确实得到了混合语言的答案。
代码如下：
from polyglot.detect import Detector
text = 'Je travaillais en France. Je suis tres heureux. I work in London. I grew up in Manchester.'
answer = Detector(text)
print(answer)
为什么会这样？
附言
此外，在检测一个（甚至是非常常见的）单词的语言的情况下polyglot是非常糟糕的。
例如，对于单词quantita（意大利语），它会返回英语。
我知道这些软件包中的许多在拥有大文本时主要是成功的，但令人惊讶的是它们甚至无法捕捉这些简单的单词。
Textblob似乎对单个单词也很好，但是您可以向它发送非常有限数量的请求（在这两种情况下，可能是因为它使用了 Google API）。