Comment détecter la langue d'une chaîne de caractères?

Si le contexte de votre code d'accès internet, vous pouvez essayer d'utiliser l'API de Google pour la détection de la langue.
http://code.google.com/apis/ajaxlanguage/documentation/

var text = "¿Dónde está el baño?";
google.language.detect(text, function(result) {
  if (!result.error) {
    var language = 'unknown';
    for (l in google.language.Languages) {
      if (google.language.Languages[l] == result.language) {
        language = l;
        break;
      }
    }
    var container = document.getElementById("detection");
    container.innerHTML = text + " is: " + language + "";
  }
});

Et, puisque vous êtes à l'aide de c#, jetez un oeil à cet article sur la façon d'appeler les API en c#.

Mise à JOUR:
C# lien est parti, voici une copie en cache de la base de:

string s = TextBoxTranslateEnglishToHebrew.Text;
string key = "YOUR GOOGLE AJAX API KEY";
GoogleLangaugeDetector detector =
   new GoogleLangaugeDetector(s, VERSION.ONE_POINT_ZERO, key);

GoogleTranslator gTranslator = new GoogleTranslator(s, VERSION.ONE_POINT_ZERO,
   detector.LanguageDetected.Equals("iw") ? LANGUAGE.HEBREW : LANGUAGE.ENGLISH,
   detector.LanguageDetected.Equals("iw") ? LANGUAGE.ENGLISH : LANGUAGE.HEBREW,
   key);

TextBoxTranslation.Text = gTranslator.Translation;

---

Fondamentalement, vous avez besoin de créer une URI et de l'envoyer à Google qui ressemble à:

http://ajax.googleapis.com/ajax/services/language/translate?v=1.0&q=hello%20worled&langpair=en%7ciw&key=your_google_api_key_goes_here

Cela indique à l'API que vous voulez traduire "hello world" à partir de l'anglais à l'hébreu, à qui Google la réponse JSON ressemblerait à:

{"responseData": {"translatedText":"שלום העולם"}, "responseDetails": null, "responseStatus": 200}

J'ai choisi de faire une classe de base qui représente une typique Google réponse JSON:

[Serializable]
public class JSONResponse
{
   public string responseDetails = null;
   public string responseStatus = null;
}

Puis, une Traduction de l'objet qui hérite de cette classe:

[Serializable]
public class Translation: JSONResponse
{
   public TranslationResponseData responseData = 
    new TranslationResponseData();
}

Cette Traduction de classe a un TranslationResponseData objet qui ressemble à ceci:

[Serializable]
public class TranslationResponseData
{
   public string translatedText;
}

Enfin, nous pouvons faire la GoogleTranslator classe:

using System;
using System.Collections.Generic;
using System.Text;
using System.Web;
using System.Net;
using System.IO;
using System.Runtime.Serialization.Json;
namespace GoogleTranslationAPI
{
public class GoogleTranslator
{
private string _q = "";
private string _v = "";
private string _key = "";
private string _langPair = "";
private string _requestUrl = "";
private string _translation = "";
public GoogleTranslator(string queryTerm, VERSION version, LANGUAGE languageFrom,
LANGUAGE languageTo, string key)
{
_q = HttpUtility.UrlPathEncode(queryTerm);
_v = HttpUtility.UrlEncode(EnumStringUtil.GetStringValue(version));
_langPair =
HttpUtility.UrlEncode(EnumStringUtil.GetStringValue(languageFrom) +
"|" + EnumStringUtil.GetStringValue(languageTo));
_key = HttpUtility.UrlEncode(key);
string encodedRequestUrlFragment =
string.Format("?v={0}&q={1}&langpair={2}&key={3}",
_v, _q, _langPair, _key);
_requestUrl = EnumStringUtil.GetStringValue(BASEURL.TRANSLATE) + encodedRequestUrlFragment;
GetTranslation();
}
public string Translation
{
get { return _translation; }
private set { _translation = value; }
}
private void GetTranslation()
{
try
{
WebRequest request = WebRequest.Create(_requestUrl);
WebResponse response = request.GetResponse();
StreamReader reader = new StreamReader(response.GetResponseStream());
string json = reader.ReadLine();
using (MemoryStream ms = new MemoryStream(Encoding.Unicode.GetBytes(json)))
{
DataContractJsonSerializer ser =
new DataContractJsonSerializer(typeof(Translation));
Translation translation = ser.ReadObject(ms) as Translation;
_translation = translation.responseData.translatedText;
}
}
catch (Exception) { }
}
}
}

Une approche statistique à l'aide de bigrammes ou trigraphs est un très bon indicateur. Par exemple, voici les plus courantes bigrammes, en anglais, dans l'ordre: http://www.letterfrequency.org/#digraph-frequency (on peut trouver de mieux ou de plus de listes complètes). Cette méthode peut avoir un meilleur taux de réussite que la parole, l'analyse de courts extraits de texte, car il y a plus de bigrammes dans le texte qu'il y a des mots complets.

Faire une analyse statistique de la chaîne: Diviser la chaîne en mots. Obtenez un dictionnaire pour chaque langue que vous souhaitez tester. Et puis de trouver le langage qui a le plus grand nombre de mots.

En C# pour chaque chaîne dans la mémoire seront en unicode, et n'est pas codé. Également dans des fichiers texte le codage n'est pas stocké. (Parfois seulement une indication de 8 bits ou 16 bits).

Si vous voulez faire une distinction entre les deux langues, vous pouvez trouver quelques astuces simples. Par exemple, si vous voulez reconnaître anglais, du néerlandais, de la chaîne de caractères qui contient le "y" est le plus souvent l'anglais. (Fiables, mais rapide).

Vous pouvez utiliser le C# package pour l'identification de la langue de Microsoft Research:

Ce package met en œuvre plusieurs algorithmes pour la langue
identification, et comprend deux ensembles de pré-langage compilé
les profils. Un jeu de couvre 52 langues et a reçu une formation sur Wikipedia
(c'est à dire un bien écrit corpus); l'autre couvre 26 langues et a été
construit à partir de Twitter (c'est à dire un très familière corpus). L'
les identificateurs de langue sont emballés comme un C# bibliothèque, et être facilement
intégré dans d'autres projets C#.

Télécharger le package à partir du lien ci-dessus.

Une alternative est d'utiliser les " Traducteur de Texte API " qui est

... une partie de l'Azur Cognitive des Services de l'API collection de machine
d'apprentissage et des algorithmes d'IA dans le cloud, et est facilement consommables
vos projets de développement

Voici un guide de démarrage rapide sur la façon de détecter la langue du texte à l'aide de cette API