1.問題的描述

用Python進行文本處理時，有時候處理的文本中包含中文、英文、日文等多個語系的文本，有時候不能同時進行處理，這個時候就需要判別當前文本是屬于哪個語系的。Python中有個langid工具包提供了此功能，langid目前支持97種語言的檢測，非常好用。

2.程序的代碼

以下Python是調(diào)用langid工具包來對文本進行語言檢測與判別的程序代碼：
 

import langid                             #引入langid模塊   def translate(inputFile, outputFile):   fin = open(inputFile, 'r')                  #以讀的方式打開輸入文件   fout = open(outputFile, 'w')                 #以寫的方式打開輸出文件     for eachLine in fin:                     #依次讀入每一行     line = eachLine.strip().decode('utf-8', 'ignore')   #去除每行的首位空格等，并統(tǒng)一轉(zhuǎn)化成Unicode     lineTuple = langid.classify(line)           #調(diào)用langid來對該行進行語言檢測     if lineTuple[0] == "zh":               #如果該行語言大部分為中文，則不進行任何處理       continue       outstr = line                     #如果該行語言為非中文，則準備輸出     fout.write(outstr.strip().encode('utf-8') + '/n')   #輸出非中文的行，從Unicode轉(zhuǎn)化成utf-8輸出     fin.close()   fout.close()   if __name__ == '__main__':                      #相當于main函數(shù)   translate("myInputFile.txt", "myOutputFile.txt")  

 以上代碼是用來處理一個文本，將不屬于中文的行依次輸出到一個新的文件。

 
3.注意

第9、10行代碼，langid.classify(line)的輸出結(jié)果是一個二元組，二元組的第一項表示該文本所屬的語系，如：zh表示中文、en表示英語、等等；二元組的第二項表示該文本中屬于第一項中語系的所占比例。

希望對大家有所幫助。