返回介绍

语言识别

发布于 2025-01-02 21:53:55 字数 2066 浏览 0 评论 0 收藏 0

第一个问题是确定一条用户动态的语言。这不是一门精确的科学,因为不能确保监测结果绝对正确,但是对于大多数情况,自动检测的效果相当好。 在 Python 中,有一个称为 guess_language 的语言检测库,还算好用。 这个软件包的原始版本相当陈旧,从未被移植到 Python 3,因此我将安装支持 Python 2 和 3 的派生版本:

(venv) $ pip install guess-language_spirit

计划是将每条用户动态提供给这个包,以尝试确定语言。 由于做这种分析有点费时,我不想每次把帖子呈现给页面时重复这项工作。 我要做的是在提交时为帖子设置源语言。 检测到的语言将被存储在 post 表中。

第一步,添加 language 字段到 Post 模型:

app/models.py :添加监测到的语言到 Post 模型:

class Post(db.Model):
    # ...
    language = db.Column(db.String(5))

你一定还记得,每当数据库模型发生变化时,都需要生成数据库迁移:

(venv) $ flask db migrate -m "add language to posts"
INFO  [alembic.runtime.migration] Context impl SQLiteImpl.
INFO  [alembic.runtime.migration] Will assume non-transactional DDL.
INFO  [alembic.autogenerate.compare] Detected added column 'post.language'
  Generating migrations/versions/2b017edaa91f_add_language_to_posts.py ... done

然后将迁移应用到数据库:

(venv) $ flask db upgrade
INFO  [alembic.runtime.migration] Context impl SQLiteImpl.
INFO  [alembic.runtime.migration] Will assume non-transactional DDL.
INFO  [alembic.runtime.migration] Upgrade ae346256b650 -> 2b017edaa91f, add language to posts

我现在可以在提交帖子时检测并存储语言:

app/routes.py :为新的用户动态保存语言字段。

from guess_language import guess_language

@app.route('/', methods=['GET', 'POST'])
@app.route('/index', methods=['GET', 'POST'])
@login_required
def index():
    form = PostForm()
    if form.validate_on_submit():
        language = guess_language(form.post.data)
        if language == 'UNKNOWN' or len(language) > 5:
            language = ''
        post = Post(body=form.post.data, author=current_user,
                    language=language)
        # ...

有了这个变更,每次发表动态时,都会通过 guess_language 函数测试文本来尝试确定语言。 如果语言监测为未知,或者如果我得到意想不到的长字符串的结果,我会将一个空字符串保存到数据库中以安全地使用它。 我将采用约定,将任何将把语言设置为空字符串的帖子假定为未知语言。

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文