基于内容的网页语言检测

Question

我正在进行网页语言检测，并且通过我开发的其他中间件来检索页面的内容。由于没有标准化，内容的位置。然而，我不知道如何检测我试图使用lang和xml:lang标记的语言，但是它们并不像我预期的那样有效，因为我已经看到一些网站有不同的语言，而不是标签中指定的语言，我们会感谢您的帮助吗？( java eclipse环境)

Answer 1

这是nlp中的一个经典问题，并给出了相当好的预测。这篇文章看起来类似于这篇文章：link，并且有一些好的答案。我不熟悉上面提到的解决方案，但我确实将Apache用于另一件事，这是一个很好的开放源码。希望这有帮助..。