Новая тема   Ответить

 _4eburek
Нужно что то примерно такое
Ввожу в поле на сайте УРЛ страницы в инете, нажимаю кнопку и сервис мне пишет : что бла бла бла на такой то странице УРЛ текст написан на португальском языке, или что написан на французском ? Есть такое ? Ну очень надо.

 sergio21
Наверное, надо парсить код страницы на содержимое тэга <meta name="language" content="...">
Если он там есть, конечно...
Пару строчек кода в примитивной парсилке.

 Alexandur
Чтобы определить язык страницы, нужно понимать этот язык.
Так что, опознание возможно только по косвенным признакам.

Как уже сказали
Код:
либо для сайтов в xhtml
Код:

ещё можно посмотреть на charset, но тоже далеко не всегда по нему можно определить
Код:

Ну и доменная зона

 _4eburek
А просто по тексту на странице какой нибудь онлайн переводчик не сможет определить что ли какой язык ему дали переводить?

 Alexs
тут еще прикол может быть что сайт в зависемостьи от ip и от языка броузера может от довать разные страницы

 sergio21
_4eburek писал:
"Это вряд-ли..." (Сухов, "Белое солнце пустыни")

 TRUE_AND_FALSE
Можно попробывать проверять сграбленный текстовый контент на признаки того или иного языка. Допустим брать на инглиш буквы A, O, E и русские А, О, Е так же французкие и немецкие. И тупо парсить текст на эти буквы. Найдутся буквы значит к токому языку пренадлежит. Еще не эксперементировал

 Klirik
Гуглю можно понасильничать , если проверяемая пага проиндексирована.
В выдаче гугли есть линк "Перевести эту страницу/Translate this page", в этой линке, в параметре sl - искомый язык страницы, а в hl - твой или заданный.
И насколько я помню, если hl=sl, то этот линк "Перевести эту страницу/Translate this page", не появится, т.к. язык проверяемой страницы, тот же что и твой.
Вот почти алгоритм парсилки )

 Sirgey
TRUE_AND_FALSE писал:

Универсального решения не существует, гугль тоже ошибается, чисто "приблизительно проверяет". Зависит от того насколько хочешь ебаться. Если для масс, то всё верно пишут: возьми по тонне текстов разных языков, переведи в юникод и запиши топ кодов (топ 10).

Далее страницу приводи к юникоду и ищи наиболее подходящий топ.

Если в странице что - то указано в хедере (допустим CP1251) - значит смотри что это за кодировка, как правило 1251 - россия, коды всех стран можно найти.

Ещё смотри что отдаёт сервер, как правило он отдаёт (для дедиков) нужную кодировку.

Что ещё... введи список предлогов, в юникоде, как правило они встречаются в одном или двух языках, а ежели и в трёх, то эти языки родственны, и пофиг какой именно из них. Переводи страницу в юникод и ищи стопку слов, далее с какого языка больше нашёл - тот и папа

В общем комбинируй, любой метод по отдельности может не сработать или дать неверные результаты.