前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python使用谷歌langdetect检测语言

Python使用谷歌langdetect检测语言

作者头像
SeanCheney
发布2019-03-20 09:43:40
4.9K0
发布2019-03-20 09:43:40
举报
文章被收录于专栏:SeanCheney的专栏

因为要根据语言种类,判断选用何种语言的停用词,所以判断语言非常重要。

安装:pip install langdetect

代码语言:javascript
复制
# -*- coding: utf-8 -*-

# 这段str是对网页做标签清理之后,直接取其文本
str = '【一点资讯】“别上飞机!”埃航遇难中国女学生微博留言看哭了 www.yidianzixun.com首页段子汽车娱乐军事体育游戏一点号动漫比赛NBA财经科技数码美女健康时尚搞笑电台旅游“别上飞机!”埃航遇难中国女学生微博留言看哭了原标题:浙江女大学生在埃航空难中遇难 她微博下的留言看哭了北京头条客户端3月11日消息,据外交部领事保护中心11日消息,埃航失事客机上8名遇难中国公民身份初步确认,4人为中国公司员工,2人为联合国系统国际职员(包括1名中国香港居民),另2人分别来自辽宁和浙江,为因私出行。驻埃塞使馆已与埃方建立协调联络机制,并同遇难中国公民家属取得联系,为家属处理善后提供积极协助。救援人员在封锁坠机现场进行搜救处理工作。东方IC 图ET 302航班的残骸。东方IC 图据@浙江之声报道,今天(03.11)中午从浙江万里学院党委宣传部了解到,校方经过与学生家属及大使馆方面核实,确认埃航空难事件中遇难的浙江女孩为浙江万里学院大四学生,接下来,学校方面将协助做好相关善后工作。记者了解到,该女学生来自金华兰溪,97年出生,今年即将毕业,此次乘坐埃航航班,是准备去非洲旅游。另据浙江新闻客户端报道,记者向浙江万里学院核实后确认,该女生为新闻专业大四学生。记者找到了失事客机上遇难的女大学生的微博,在3月9日,她发布了最后一条微博,定位正是在上海浦东机场。而在她的表述中,此次前往非洲旅行,是为了观看长颈鹿。同时,她将和一位朋友在目的地汇合。不少网友在她的微博留言,表示哀悼。埃塞俄比亚宣布3月11日为全国哀悼日坠机事故发生后,埃塞俄比亚宣布3月11日为全国哀悼日,悼念所有事故遇难者。埃塞俄比亚总理阿比·艾哈迈德宣布,将对事故展开深入调查。责任编辑:李欢收藏举报相关新闻'

# str = 'Otec matka syn.'

from langdetect import detect
from langdetect import detect_langs

# 当文本过短或模糊时,判断出来的结果会不确定;
# 如果要让结果唯一,添加以下两行:
from langdetect import DetectorFactory
DetectorFactory.seed = 0

# 判断语言种类
print(detect(str))

# 概率
print(detect_langs(str))

输出:

代码语言:javascript
复制
zh-cn
[zh-cn:0.9999945807402004]

或:

代码语言:javascript
复制
pl
[pl:0.8571394483837576, fi:0.14285787958897214]

支持检测55种语言: af, ar, bg, bn, ca, cs, cy, da, de, el, en, es, et, fa, fi, fr, gu, he, hi, hr, hu, id, it, ja, kn, ko, lt, lv, mk, ml, mr, ne, nl, no, pa, pl, pt, ro, ru, sk, sl, so, sq, sv, sw, ta, te, th, tl, tr, uk, ur, vi, zh-cn, zh-tw

参考: PyPi:https://pypi.org/project/langdetect/ GitHub:https://github.com/Mimino666/langdetect

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.03.15 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档