检测文本的语言是英文PDF或DOC文件

Question

要求是我想确定用PDF或Doc编写的文本是英语还是非英语。如果我得到一个单词（turiskh，法语，阿拉伯语等）必须避免整个documnet

紧急plz给我这个功能的示例代码

Answer 1

查看Google翻译API，只有免费服务谁能为您做到我所知道的。否则我只能看到拥有自己的字典等的解决方案。但那是一个不同的故事

Answer 2

我猜你可以使用LangId。但是有一些限制：

  

要在实时网站或服务中使用我们的API，我们建议您使用以下表单申请免费的API密钥。 API密钥扩展了您的开发可能性，允许您每小时执行1,000个请求（每月约720,000个请求）。

我不认为这会解决你的“单字”问题。我相信如果文本有6个单词的英语和4个单词的另一种语言，它会将文本视为英语，因为该语言主要用于文件。我自己没有看过API，所以可能会有一些解决方案。

希望它对您有用。

Answer 3

Google的Translate API的检测功能可能对您有所帮助：

http://code.google.com/apis/language/translate/v2/getting_started.html#language_detect

Answer 4

对于单个单词，这是不可能的。

“是”一个英文单词？嗯，是的，但这也是丹麦语（意思是茶）。 Schadenfreude这个词是否表示非英文文本？不一定，这一切都取决于具体情况。

添加到支持语言确定的API列表中，Bing API会调用一个字符串数组的语言。

http://msdn.microsoft.com/en-us/library/ff512412.aspx

希望这有所帮助。