源代码语言分析器

Question

我想用ruby检测编程语言

例如：（PHP）

$a = array("1","2","3");
print_r($a); 

（红宝石）

def index
end

等等

什么宝石可以做到这一点？

Answer 1

语言学家可能会为您做到这一点（这是GitHub用于检测项目中主要语言的工具）。

如果您希望自己构建，那将是一个不错的起点。 以下是一些其他注释，您可能需要做些什么才能制作一个。

文件扩展名是不错的选择。 例如：

• .rb几乎总是红宝石
• .cpp几乎总是C ++
• .h可能是C / C ++

...等，然后逐行读取代码。 通常有一些常见的关键字，或者这些关键字在代码中的位置，它们会迅速提示您所用的语言。对一些您要支持的语言的“入门”教程网站进行了回顾应该给您一个很好的总结，而无需实际学习语言本身。 您真正需要的是每种语言的一些独特之处，您可以选择它们，从而使文件确定为一种语言或另一种语言。

您还可以使用贝叶斯学习过滤器（Ruby中有一个名为Classifier的模块，似乎可以做到这一点）来训练更灵活的学习引擎，以自己的语言识别代码。 由于编程语言是高度结构化的文本，因此您的学习软件很快就可以很好地识别语言。 如果您想发疯，甚至可以训练它以识别语言，不仅识别可以编译代码的语言的最低版本。 例如，在Java中，他们在语言生命周期的特定时刻添加了泛型。 如果您在代码中看到泛型的使用，那么您知道源代码是为某个最低版本的Java等编写的。

诸如.erb文件之类的问题会稍微复杂一点，但不会太多。 您是将它们称为“嵌入式Ruby”，还是将其称为“ Ruby”，还是计算HTML与Ruby与JavaScript的行数，并用最多几种语言来调用它，还是只用ALL标记文件找到的语言？ 我想这实际上更多是设计决定。

Answer 2

来源分类器是一种可以满足您想要做的事情的宝石。 源分类器使用贝叶斯分类器来识别编程语言，该贝叶斯分类器是在“计算机语言基准游戏”：http：//shootout.alioth.debian.org/生成的语料库上训练的。 它是用Ruby编写的，可以作为宝石使用。 开箱即用的SourceClassifier可以识别C，Java，Javascript，Perl，Python和Ruby。 使用贝叶斯分类器识别源代码的一个很好的好处是，即使错误匹配也将给出一些可用的突出显示。 要训​​练分类器识别新语言，请从github下载源代码。

Answer 3

我唯一能想到的就是https://github.com/github/linguist 。 一颗奇妙的宝石，但我认为这并不是您真正需要的。