可以取悦任何设法做到这一点的人解释如何做到这一点:-)
我是否需要获取我需要添加的语言的n-gram文件？
这是创建tika.language.override.properties,添加一些其他lang代码并在classPath上添加lang-code.ngp n-gram文件的问题？在那种情况下,我在哪里得到它以及为什么Tika不支持更多语言,如果只是这个问题？
目前支持语言检测的这些语言
da,de,et,el,en,es,fi,fr,hu,is,it,lt,nl,no,pl,pt,ru,sv,th
和tika使用传统的n-gram表示法
er_ 132232
_de 103517
en_ 82666
et_ 80661
for 65286
_fo 57945
de_ 51382
der 44049
at_ 41915
det 41381
_og 40344
_at 39482
ing 38707
den 36795
og_ 36577
_me 34924
nde 34528
这个lang检测应用程序目前支持这些语言,但有一些不同的n-gram文件
af bg cs de en fa fr he hr id ja ko ml ne no pl ro sk sq sw te tl uk vi zh-tw ar bn da el es fi gu hi hu …