源代碼語言分析器

Question

我想用ruby檢測編程語言

例如：（PHP）

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

（紅寶石）

def index
end

等等

什么寶石可以做到這一點？

Answer 1

語言學家可能會為您做到這一點（這是GitHub用於檢測項目中主要語言的工具）。

如果您希望自己構建，那將是一個不錯的起點。 以下是一些其他注釋，您可能需要做些什么才能制作一個。

文件擴展名是不錯的選擇。 例如：

• .rb幾乎總是紅寶石
• .cpp幾乎總是C ++
• .h可能是C / C ++

...等，然后逐行讀取代碼。 通常有一些常見的關鍵字，或者這些關鍵字在代碼中的位置，它們會迅速提示您所用的語言。對一些您要支持的語言的“入門”教程網站進行了回顧應該給您一個很好的總結，而無需實際學習語言本身。 您真正需要的是每種語言的一些獨特之處，您可以選擇它們，從而使文件確定為一種語言或另一種語言。

您還可以使用貝葉斯學習過濾器（Ruby中有一個名為Classifier的模塊，似乎可以做到這一點）來訓練更靈活的學習引擎，以自己的語言識別代碼。 由於編程語言是高度結構化的文本，因此您的學習軟件很快就可以很好地識別語言。 如果您想發瘋，甚至可以訓練它以識別語言，不僅識別可以編譯代碼的語言的最低版本。 例如，在Java中，他們在語言生命周期的特定時刻添加了泛型。 如果您在代碼中看到泛型的使用，那么您知道源代碼是為某個最低版本的Java等編寫的。

諸如.erb文件之類的問題會稍微復雜一點，但不會太多。 您是將它們稱為“嵌入式Ruby”，還是將其稱為“ Ruby”，還是計算HTML與Ruby與JavaScript的行數，並用最多幾種語言來調用它，還是只用ALL標記文件找到的語言？ 我想這實際上更多是設計決定。

Answer 2

來源分類器是一種可以滿足您想要做的事情的寶石。 源分類器使用貝葉斯分類器來識別編程語言，該貝葉斯分類器是在“計算機語言基准游戲”：http：//shootout.alioth.debian.org/生成的語料庫上訓練的。 它是用Ruby編寫的，可以作為寶石使用。 開箱即用的SourceClassifier可以識別C，Java，Javascript，Perl，Python和Ruby。 使用貝葉斯分類器識別源代碼的一個很好的好處是，即使錯誤匹配也將給出一些可用的突出顯示。 要訓​​練分類器識別新語言，請從github下載源代碼。

Answer 3

我唯一能想到的就是https://github.com/github/linguist 。 一顆奇妙的寶石，但我認為這並不是您真正需要的。