如何区分中文和日文

[vegetableChick]

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。

[GeruzoniAnsasu]

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]

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]

拿 char code 去 utf8 的表里查

[vegetableChick]

@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]

@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]

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]

有语种识别的，找找 API 吧

[muzuiget]

判断假名就行，字符数不够就无法判断。

[imn1]

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]

@gouflv CJK code point 是有重合的

[dongtingyue]

能做出来这个功能单独就可以卖钱了。。。

[marcong95]

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]

@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]

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]

@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]

@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]

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。