[英]How to detect text (string) language in iOS?
例如,给定以下字符串:
let textEN = "The quick brown fox jumps over the lazy dog"
let textES = "El zorro marrón rápido salta sobre el perro perezoso"
let textAR = "الثعلب البني السريع يقفز فوق الكلب الكسول"
let textDE = "Der schnelle braune Fuchs springt über den faulen Hund"
我想检测他们每个人使用的语言。
让我们假设实现函数的签名是:
func detectedLanguage<T: StringProtocol>(_ forString: T) -> String?
如果未检测到语言,则返回一个可选字符串。
因此,适当的结果是:
let englishDetectedLanguage = detectedLanguage(textEN) // => English
let spanishDetectedLanguage = detectedLanguage(textES) // => Spanish
let arabicDetectedLanguage = detectedLanguage(textAR) // => Arabic
let germanDetectedLanguage = detectedLanguage(textDE) // => German
有没有简单的方法来实现它?
您可以通过使用NLlanguageRecognizer来实现它,如下所示:
import NaturalLanguage
func detectedLanguage(for string: String) -> String? {
let recognizer = NLLanguageRecognizer()
recognizer.processString(string)
guard let languageCode = recognizer.dominantLanguage?.rawValue else { return nil }
let detectedLanguage = Locale.current.localizedString(forIdentifier: languageCode)
return detectedLanguage
}
您可以通过使用NSLinguisticTagger来实现它,如下所示:
func detectedLanguage<T: StringProtocol>(for string: T) -> String? {
let recognizer = NLLanguageRecognizer()
recognizer.processString(String(string))
guard let languageCode = recognizer.dominantLanguage?.rawValue else { return nil }
let detectedLanguage = Locale.current.localizedString(forIdentifier: languageCode)
return detectedLanguage
}
首先,你应该知道你问的是什么主要与 自然语言处理(NLP)世界有关。
由于 NLP 不仅仅是文本语言检测,因此答案的其余部分将不包含特定的 NLP 信息。
显然,实现这样的功能并不是那么容易,尤其是当开始关心过程的细节时,例如拆分成句子甚至拆分成单词,然后识别名称和标点符号等......我敢打赌你会想到“什么一个痛苦的过程!我自己做这件事甚至不合逻辑”; 幸运的是,iOS确实支持 NLP(实际上,NLP API 可用于所有 Apple 平台,不仅仅是 iOS),使您的目标易于实现。 您将使用的核心组件是NSLinguisticTagger
:
分析自然语言文本以标记词性和词汇类别、识别名称、执行词形还原以及确定语言和脚本。
NSLinguisticTagger
为各种自然语言处理功能提供了统一的接口,并支持许多不同的语言和脚本。 您可以使用此类将自然语言文本分割为段落、句子或单词,并标记有关这些段的信息,例如词性、词汇类、引理、脚本和语言。
如类文档中所述,您正在寻找的方法 - 在确定主导语言和正字法部分下 - 是dominantLanguage(for:)
:
返回指定字符串的主要语言。
.
.
返回值
BCP-47标签标识字符串的主要语言,如果无法确定特定语言,则使用标签“und”。
您可能会注意到NSLinguisticTagger
是从 iOS 5 NSLinguisticTagger
就存在的。 但是,仅在 iOS 11 及更高版本上支持dominantLanguage(for:)
方法,这是因为它是在Core ML Framework之上开发的:
. . .
Core ML 是特定领域框架和功能的基础。 Core ML 支持用于图像分析的 Vision、用于自然语言处理的Foundation (例如
NSLinguisticTagger
类)和用于评估学习决策树的 GameplayKit。 Core ML 本身建立在 Accelerate 和 BNNS 等低级原语以及 Metal Performance Shaders 之上。
基于通过传递“The quick brown fox jumps over the lazy dog”调用dominantLanguage(for:)
的返回值:
NSLinguisticTagger.dominantLanguage(for: "The quick brown fox jumps over the lazy dog")
将是“en”可选字符串。 但是,到目前为止,这不是所需的输出,而是期望得到“英语”! 好吧,这正是您应该通过从Locale Structure 调用localizedString(forLanguageCode:)
方法并传递获得的语言代码来获得的:
Locale.current.localizedString(forIdentifier: "en") // English
如“快速回答”代码片段中所述,该函数将是:
func detectedLanguage<T: StringProtocol>(_ forString: T) -> String? {
guard let languageCode = NSLinguisticTagger.dominantLanguage(for: String(forString)) else {
return nil
}
let detectedLanguage = Locale.current.localizedString(forIdentifier: languageCode)
return detectedLanguage
}
输出:
它会如预期的那样:
let englishDetectedLanguage = detectedLanguage(textEN) // => English
let spanishDetectedLanguage = detectedLanguage(textES) // => Spanish
let arabicDetectedLanguage = detectedLanguage(textAR) // => Arabic
let germanDetectedLanguage = detectedLanguage(textDE) // => German
请注意:
仍然存在无法获取给定字符串的语言名称的情况,例如:
let textUND = "SdsOE"
let undefinedDetectedLanguage = detectedLanguage(textUND) // => Unknown language
或者它甚至可能nil
:
let rubbish = "000747322"
let rubbishDetectedLanguage = detectedLanguage(rubbish) // => nil
仍然发现提供有用的输出是一个不错的结果......
关于 NSLinguisticTagger:
虽然我不会深入研究NSLinguisticTagger
用法,但我想指出,它存在一些非常酷的功能,而不仅仅是简单地检测给定文本的语言; 作为一个非常简单的例子:在枚举标签时使用引理在使用信息检索时非常有用,因为您将能够识别“驾驶”这个词通过“驾驶”这个词。
苹果视频会议:
NSLinguisticTagger
如何工作的更多信息: 自然语言处理和您的应用程序。此外,为了熟悉 CoreML:
您可以使用 NSLinguisticTagger 的 tagAt 方法。 它支持 iOS 5 及更高版本。
func detectLanguage<T: StringProtocol>(for text: T) -> String? {
let tagger = NSLinguisticTagger.init(tagSchemes: [.language], options: 0)
tagger.string = String(text)
guard let languageCode = tagger.tag(at: 0, scheme: .language, tokenRange: nil, sentenceRange: nil) else { return nil }
return Locale.current.localizedString(forIdentifier: languageCode)
}
detectLanguage(for: "The quick brown fox jumps over the lazy dog") // English
detectLanguage(for: "El zorro marrón rápido salta sobre el perro perezoso") // Spanish
detectLanguage(for: "الثعلب البني السريع يقفز فوق الكلب الكسول") // Arabic
detectLanguage(for: "Der schnelle braune Fuchs springt über den faulen Hund") // German
我用像hello
这样的短输入文本尝试了NSLinguisticTagger
,它总是识别为意大利语。 幸运的是,Apple 最近在 iOS 12 上添加了NLLanguageRecognizer ,而且似乎更准确:D
import NaturalLanguage
if #available(iOS 12.0, *) {
let languageRecognizer = NLLanguageRecognizer()
languageRecognizer.processString(text)
let code = languageRecognizer.dominantLanguage!.rawValue
let language = Locale.current.localizedString(forIdentifier: code)
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.