如何从文本样本中自动检测代码片段？

Question

我正在对GitHub评论做一些分析。但要做到这一点，我需要从大量注释中自动排除代码样本和错误消息。

另一种更简单的方式是，我可以只保留评论的英文部分。虽然几乎没有库来检测句子的语言，但在我的情况下也没有什么挑战。1)注释部分并不总是遵循正确的英语语法；2)代码样本和错误信息也主要由英语单词组成。

那么我最好的方法是什么呢？结果不需要100%准确，我只想知道最好的方法，至少能给我一个满意的结果。有什么想法吗？

Answer 1

这个问题很老了，但是我在谷歌上搜索到了这个问题；所以提供this答案，以防有人也遇到这个问题。