Python langdetect:只选择一种语言或另一种语言

Question

我langdetect用来确定一组字符串的语言,我知道这些字符串是英语或法语.

有时,langdetect告诉我语言是罗马尼亚语,因为我知道这是一个法语字符串.

我怎样才能langdetect选择英语或法语,而不是所有其他语言？

谢谢!

Answer 1

我执行此操作的方法是使用detect_langs，它返回具有概率的对象列表，然后迭代此列表，如果选项之一是英语或法语，或者情况并非如此，则Language返回语言。None此函数非常适合此目的：

from langdetect import detect_langs

def englishOrFrench(string):
    res = detect_langs(string)
    for item in res:
        if item.lang == "fr" or item.lang == "en":
            return item.lang
    return None

print(englishOrFrench("Bonjour"))              # fr
print(englishOrFrench("The quick brown fox"))  # en
print(englishOrFrench("Hallo, mein Freund"))   # None

Answer 2

选项1

一种选择是使用软件包langid。然后，您可以使用方法调用简单地限制语言：

import langid
langid.set_languages(['fr', 'en'])  # ISO 639-1 codes
lang, score = langid.classify('This is a french or english text')
print(lang) # en

选项2

如果您确实要使用该langdetect软件包，则可以复制该软件包文件夹（如果不确定该文件夹在哪里，请使用python -m site --user-site)并从该文件夹中删除不需要的配置文件langdetect\profiles。

但是，这不是一个非常动态的解决方案。