Tika语言检测解释和示例

本文概述

• Tika语言检测
• Tika语言检测示例

Tika可以识别任何文档或文本的语言。从文档格式中提取文本时非常有用, 该文档格式的元数据中不包含语言信息。

Tika使用LanguageProfile和Language-Identifier类来匹配ISO 639语言代码。

Tika可以检测184种当前注册的ISO 639-1语言中的18种。

ISO 639是由国际标准化组织(ISO)定义的一组标准。

Tika能够检测多种语言, 包括英语, 德语, 意大利语等。请参见下表。

Tika语言检测

下图显示了语言检测过程的关键组成部分。

org.apache.tika.language软件包包含检测文档或文本语言所需的所有必需类。让我们来看一个例子。

Tika语言检测示例

package tikaexample;

import org.apache.tika.language.LanguageIdentifier;

public class LanguageDetectionExample {
	public static void main(String[] args) {
		      LanguageIdentifier identifier = new LanguageIdentifier("Hello, this is srcmini.");
		      String language = identifier.getLanguage();
		      System.out.println("Language code is : " + language);
		   }
}

输出

Language code is : en