Tika语言检测

Tika可以识别任何文档或文本的语言。当从文档格式中提取文本时，这很有用，这些格式的元数据中不包含语言信息。

Tika 使用 LanguageProfile 和 Language-Identifier 类来匹配 ISO 639 语言代码。

Tika 可以检测 18 种目前注册的 184 种 ISO 639-1 语言。

ISO 639 是由国际标准化组织（ISO）定义的一组标准。

Tika 能够检测各种语言，包括英语、德语、意大利语等。请参见下表。

Tika 中的语言检测

下图显示了语言检测过程的关键组成部分。

org.apache.tika.language 包包含检测文档或文本语言所需的所有类。 让我们看一个例子。

Tika 语言检测示例

输出

Language code is : en