葛瑞斯肯樂活筆記

有時候在進行文字處理的時候，是需要辨識文字的語系來進行不同的判斷。

Language Detection 這個功能已有一個接近完善的 Java API，其主要網址如下:

https://code.google.com/archive/p/language-detection/

Jar 檔則可以從上述網址的 Downloads 去抓。

解壓縮後記得 import langdetect.jar 並且把解壓縮後資料夾中的 profiles 資料夾擺到自己的專案下方，這個資料夾裡面紀錄的是每個語系的資料，主要是用來辨識的。

注意一點的是，我們還需要額外去找一個 jar 進行 import，它叫做 Jsonic，請使用下列網址抓取，抓完也要 import。

https://mvnrepository.com/artifact/net.arnx/jsonic/1.2.9

接下來我們來看程式碼:

上述程式碼中，Line 16 -23 是 language detection 初始化的函式，這個是一定要跑的，記得給 profiles 資料夾的路徑，如 line 9 所述。

Line 25 - 36 則是辨識文字的語系，其中 catch 的區塊寫了一個 return "unknown" 是代表文字無法識別語系的時候，會 return unknown。

Line 38 - 48 則是會 return 辨識出來的語系與其機率值，由於辨識的時候是使用貝式機率模型，所以還是會有機率值。

上述程式碼的結果如下: