问题描述
我有一个很长的文本，主要是英文，但也包含多页的法文文本、几段希腊文以及一些阿拉伯语和德语句子。
到目前为止，我已经测试了旧的“语言检测”library（2011 版，找不到 2014 版）：
DetectorFactory.loadProfile(langFolder);
Detector detector = DetectorFactory.create();
detector.append(text);
ArrayList<Language> languages = detector.getProbabilities();
... 和 Apache 的 Tika（1.25 版）：
LanguageDetector detector = new OptimaizeLangDetector();
detector.loadModels();
List<LanguageResult> languages = detector.detectAll(text);
对于两个库，整个文本的结果是 99.9something % "en"。
我知道您需要一个很长的文本样本才能使检测工作，所以我没有检测到简短的阿拉伯语/德语句子，但希腊语/法语部分相当长，所以我没有理解为什么数组的大小总是“1”，即使我使用了“检测所有语言”的方法。
如果我只给它一些希腊语或法语文本，它会检测到它是希腊语/法语，但是当我将它们组合起来并且其中一部分比另一部分长时，只会输出那一部分的语言。似乎这两个部分的长度必须大致相同才能得到两种语言。
如何使用任一库（但最好是 Tika，因为它仍在更新中）获得其他语言的结果，即使它只有 0.1%？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）