问题标签 [language-detection]

有没有办法（程序、库）大致知道文档是用哪种语言编写的？

我有一堆混合语言的文本文档（~500K）要导入启用 i18n 的 CMS（Drupal）..

我不需要完美匹配，只需要一些猜测。

这里已经回答了基础知识。但是是否有一个预先构建的 PHP 库与来自 CPAN 的 Lingua::Identify 一样？

检测代码片段中使用哪种编程语言的最佳方法是什么？

我正在考虑制作我的网站的多种语言版本（例如英语和德语）。我想根据用户的语言提供一个合理的默认值。

最简单、最不突兀的方法是什么？

编辑：理想的解决方案是不使用任何服务器端技术，而是对 html 文件中的所有内容进行编码。目前，我有一个自动转发到主页的起始页面。如果可能的话，我想让它更“聪明”一点，以便它转发到德语或英语版本。

我有一个程序可以读取一堆文本并对其进行分析。文本可能是任何语言，但我需要专门测试日语和中文，以便以不同的方式分析它们。

我读过我可以测试它的 unicode 数字上的每个字符，以确定它是否在 CJK 字符范围内。这很有帮助，但是如果可能的话，我想将它们分开以针对不同的字典处理文本。有没有办法测试一个字符是日文还是中文？

检测字符串语言的最佳方法是什么？

我有一个用 perl 编写的英语论坛站点，它不断被俄语垃圾邮件轰炸。有没有办法使用 Perl 和正则表达式来检测俄语文本以便我可以阻止它？

在 PHP 中，有没有办法检测字符串的语言？假设字符串是 UTF-8 格式。

是否有任何 C# 库可以检测特定文本的语言？即对于输入文本"This is a sentence"，它应该将语言检测为"English". 或者"Esto es una sentencia"它应该将语言检测为"Spanish".

我知道从文本中检测语言不是确定性问题。但是谷歌翻译和必应翻译都有一个“自动检测”选项，它可以最好地猜测输入语言。是否有类似的公开可用的东西，最好是在 C# 中？

我有一个允许 UTF8 字符的输入框——我可以通过编程检测这些字符是中文、日文还是韩文（可能是某些 Unicode 范围的一部分）？我会根据 MySQL 的全文搜索是否有效（它不适用于 CJK 字符）来更改搜索方法。

谢谢！