V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
vegetableChick
V2EX  ›  程序员

如何区分中文和日文

  •  
  •   vegetableChick · 2021-04-01 19:19:03 +08:00 · 2987 次点击
    这是一个创建于 1092 天前的主题,其中的信息可能已经有所发展或是发生改变。

    因为要把文本翻译成英文, 而使用的 sdk 需要指定源文字的语言类型。但 [BL-bm 长岛雄一] 这类的文字如何把它和中文区分开?

    感谢。

    17 条回复    2021-04-02 15:48:00 +08:00
    GeruzoniAnsasu
        1
    GeruzoniAnsasu  
       2021-04-01 19:31:31 +08:00
    使用的 SDK ? 你用这个文本的场合机翻都能对付了还管什么人名
    lululau
        2
    lululau  
       2021-04-01 19:37:25 +08:00 via iPhone
    单个或者少数几个字符怎么判断语言? ABC 三个字母算什么语言?英语?法语?德语?说中文也可以,因为使用拉丁字母的汉语拼音应该也算是中文吧
    gouflv
        3
    gouflv  
       2021-04-01 19:47:31 +08:00 via iPhone
    拿 char code 去 utf8 的表里查
    vegetableChick
        4
    vegetableChick  
    OP
       2021-04-01 19:49:41 +08:00
    @vegetableChick 补充一下信息吧。google 的 cloud translation api 要花钱, 于是找到一个免费的替代的包`googletrans`. 但是不指定 源语言 自动翻译的不准确 [`BL-bm 长岛雄一 => BL-BM Long Island`] , 如果指定 源语言是日文 则 得到 [BL-BM Otani Seibe]
    vegetableChick
        5
    vegetableChick  
    OP
       2021-04-01 19:52:14 +08:00
    @GeruzoniAnsasu 感谢回复, 之前都是直接填写 google 翻译后的结果, 现在想做成自动的, 所以想找个好用翻译的工具
    Kasumi20
        6
    Kasumi20  
       2021-04-01 19:52:57 +08:00
    名字你管它做球,其它大部分可以判断有没有假名在里面
    LinSP
        7
    LinSP  
       2021-04-01 19:54:56 +08:00
    有语种识别的,找找 API 吧
    muzuiget
        8
    muzuiget  
       2021-04-01 22:00:10 +08:00
    判断假名就行,字符数不够就无法判断。
    imn1
        9
    imn1  
       2021-04-01 22:47:21 +08:00
    Otani Seibe 也不是长岛雄一啊,Otani 是大谷(Ootani 简写)
    日语汉字多是繁体或异体,简体汉字以“日语”翻译也会出错的

    你这个实际上已经是语义理解了,需要 AI 级别判断,单纯字符很难做到
    不过有些取巧方法可以试试
    gyf304
        10
    gyf304  
       2021-04-02 07:03:32 +08:00 via iPhone
    @gouflv CJK code point 是有重合的
    dongtingyue
        11
    dongtingyue  
       2021-04-02 09:42:07 +08:00
    能做出来这个功能单独就可以卖钱了。。。
    marcong95
        12
    marcong95  
       2021-04-02 10:00:59 +08:00
    长岛雄一 就这四个字,读作 Changdao Xiongyi 的时候是中文,读作 Nakashima Yuuichi 的时候是日文,如果你只是要区分是日本人姓名还是中国人姓名的话,那倒还好说。找个两国百家姓做个词典?
    marcong95
        13
    marcong95  
       2021-04-02 10:02:38 +08:00
    @marcong95 #12 其实两国百家姓也不能解决问题,例如 Hayashi 的林,Duanmu 的端木
    krixaar
        14
    krixaar  
       2021-04-02 10:24:56 +08:00
    碰到类似 秦基博 菅义伟 这样的名字,你怎么区分是中文还是日文……
    UserDMM
        15
    UserDMM  
       2021-04-02 11:08:21 +08:00
    @vegetableChick 这个课题很难。
    简单点的就是火狐的那个检测库,但是处理不了你这种情况。
    你这种 CJK 都有的汉字,要结合语义来处理,也就是要结合人工智能了。
    vegetableChick
        16
    vegetableChick  
    OP
       2021-04-02 11:44:26 +08:00
    @GeruzoniAnsasu @Kasumi20 @LinSP @UserDMM @dongtingyue @gouflv @gyf304 @imn1 @krixaar @lululau @vegetableChick 统一感谢大家回复,还是花钱用 google 翻译服务了。 百度的翻译便宜 但是翻译过来,翻译不回去了 淦!!
    jiji9081
        17
    jiji9081  
       2021-04-02 15:48:00 +08:00
    日本人名字的发音非常搞,就算是日本人完全不能保证正确拼读更别说 AI 了,如果是重要场合的话必须人工校对。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   2526 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 31ms · UTC 15:58 · PVG 23:58 · LAX 08:58 · JFK 11:58
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.