python语言检测模块langid、langdetect使用

本文首发地址：

https://blog.csdn.net/Together_CZ/article/details/86678423

欢迎关注我的博客【Together_CZ】，我是沂水寒城！

之前使用数据编码风格检测的模块chardet比较多一点，今天提到的两个模块是检测数据的语言类型，比如是：中文还是英文，模块的使用方法也比较简单，我这里只是简单地使用了一下，因为项目中有这个需求，所以拿来用了一下，并没有深入地去研究这两个模块，模块的地址链接我都给出来了，需要的话可以去研究下：

def langidFunc():
 '''
 https://github.com/yishuihanhan/langid.py
 '''
 print langid.classify("We Are Family")
 print langid.classify("Questa e una prova")
 print langid.classify("我们都有一个家")
 identifier=LanguageIdentifier.from_modelstring(model,norm_probs=True)
 print identifier.classify("We Are Family")
 
def langdetectFunc():
 '''
 https://github.com/yishuihanhan/langdetect
 '''
 s1=u"本篇博客主要介绍两款语言探测工具，用于区分文本到底是什么语言，"
 s2=u'We are pleased to introduce today a new technology'
 print detect(s1)
 print detect(s2)
 print detect_langs(s2) # detect_langs()输出探测出的所有语言类型及其所占的比例
 print detect_langs("Otec matka syn.")

结果如下：

 
('en', 9.061840057373047)
('it', -35.41771221160889)
('zh', -85.79573845863342)
('en', 0.16946150595865334)
zh-cn
en
[en:0.999998109575]
[pl:0.571426592237, fi:0.428568772028]