如何检测iOS中的文本（string）语言？

例如，给出以下string：

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" 

我想在每个声明的string中检测使用的语言。

假设实现函数的签名是：

 func detectedLangauge<T: StringProtocol>(_ forString: T) -> String? 

_{在没有检测到语言的情况下返回可选string。}

因此适当的结果是：

 let englishDetectedLangauge = detectedLangauge(textEN) // => English let spanishDetectedLangauge = detectedLangauge(textES) // => Spanish let arabicDetectedLangauge = detectedLangauge(textAR) // => Arabic let germanDetectedLangauge = detectedLangauge(textDE) // => German 

有一个简单的方法来实现它？

Answer 1

快速回答：

由于iOS 11+，你可以通过使用NSLinguisticTagger来实现它。 像这样实现所需的function：

 func detectedLangauge<T: StringProtocol>(_ forString: T) -> String? { guard let languageCode = NSLinguisticTagger.dominantLanguage(for: String(forString)) else { return nil } let detectedLangauge = Locale.current.localizedString(forIdentifier: languageCode) return detectedLangauge } 

应该达到你要求的。

---

形容答案：

首先，你应该知道你在问什么主要涉及到自然语言处理（NLP）的世界。

_{由于NLP不仅仅是文本语言检测，其余的答案将不包含特定的NLP信息。}

显然，实现这样的function并不是那么容易，特别是当开始关心过程的细节时，例如分解成句子甚至是文字，在识别名字和标点等之后……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是不合逻辑的。 幸运的是，iOS 确实支持NLP（实际上，NLP API可用于所有的苹果平台，不仅仅是iOS），使您能够轻松实现目标。 你将使用的核心组件是NSLinguisticTagger ：

分析自然语言文本来标记词类和词汇类，识别名称，执行词形化，并确定语言和脚本。

NSLinguisticTagger为各种自然语言处理function提供了一个统一的接口，支持许多不同的语言和脚本。 您可以使用这个类将自然语言文本分割成段落，句子或单词，并标记关于这些分段的信息，如词性，词法类，引理，脚本和语言。

正如在类文档中提到的，您正在寻找的方法 – 在决定主导语言和正字法部分 – 是dominantLanguage(for:) 地位的语言 dominantLanguage(for:) ：

返回指定string的主要语言。

。

。

返回值

识别string的主要语言的BCP-47标签，或者如果特定语言不能被确定，则标签“und”。

您可能会注意到，自从回到iOS 5以来， NSLinguisticTagger已经存在。但是， 仅在iOS 11及更高版本中支持dominantLanguage(for:)方法，这是因为它是在Core ML Framework之上开发的：

。 。 。

核心ML是领域特定框架和function的基础。 Core ML支持用于图像分析的Vision， 自然语言处理基础（例如NSLinguisticTagger 类）和用于评估学习决策树的GameplayKit。 核心ML本身build立在像Accelerate和BNNS这样的低级基元之上，以及金属性能着色器。

根据调用dominantLanguage(for:)的返回值，通过传递“快速棕色狐狸跳过懒狗”：

 NSLinguisticTagger.dominantLanguage(for: "The quick brown fox jumps over the lazy dog") 

将是“en”可选string。 然而，到目前为止，这不是所需的输出，例外是取而代之的是“英语”！ 那么，这正是你应该通过从语言环境结构中调用localizedString(forLanguageCode:)方法并传递获得的语言代码来获得的：

 Locale.current.localizedString(forIdentifier: "en") // English 

放在一起：

正如在“快速回答”代码片段中提到的，该function将是：

 func detectedLangauge<T: StringProtocol>(_ forString: T) -> String? { guard let languageCode = NSLinguisticTagger.dominantLanguage(for: String(forString)) else { return nil } let detectedLangauge = Locale.current.localizedString(forIdentifier: languageCode) return detectedLangauge } 

输出：

这将如预期的那样：

 let englishDetectedLangauge = detectedLangauge(textEN) // => English let spanishDetectedLangauge = detectedLangauge(textES) // => Spanish let arabicDetectedLangauge = detectedLangauge(textAR) // => Arabic let germanDetectedLangauge = detectedLangauge(textDE) // => German 

注意：

还有一些情况是没有为给定的string获取语言名称，如：

 let textUND = "SdsOE" let undefinedDetectedLanguage = detectedLangauge(textUND) // => Unknown language 

或者甚至可以是nil ：

 let rabish = "000747322" let rabishDetectedLanguage = detectedLangauge(rabish) // => nil 

仍然发现它提供了一个有用的输出一个不错的结果…

此外：

关于NSLinguisticTagger：

尽pipe我不打算深入研究NSLinguisticTagger用法，但是我想指出的是，其中存在一些非常酷的function，而不仅仅是检测给定文本的语言; 作为一个非常简单的例子 ：枚举标签时使用引理在使用信息检索时非常有用，因为您将能够识别传递“驱动”字的“驱动”一词。

官方资源

苹果video会议 ：

• 有关自然语言处理和NSLinguisticTagger如何工作的更多信息： 自然语言处理和您的应用程序 。

另外，为了熟悉CoreML：

• 介绍核心ML 。
• 核心ML深入 。