python - 确定文本是否为英文？

Question

我同时使用 Nltk和 Scikit Learn做一些文本处理。但是，在我的文档列表中，我有一些不是英文的文档。例如，以下可能为真:

[ "this is some text written in English", 
  "this is some more text written in English", 
  "Ce n'est pas en anglais" ] 

出于我的分析目的，我希望在预处理过程中删除所有非英语句子。但是，有没有好的方法来做到这一点？我一直在谷歌搜索，但找不到任何能让我识别字符串是否为英文的具体信息。这是 Nltk 或 Scikit learn 中未提供的功能吗？ 编辑 我见过类似 this 的问题和 this但两者都是针对单个词的……不是"file"。我是否必须遍历句子中的每个单词以检查整个句子是否为英文？

我正在使用 Python，所以 Python 中的库会更好，但如果需要我可以切换语言，只是认为 Python 最适合这个。

Answer 1

有一个名为 langdetect 的库。它是从此处提供的 Google 语言检测移植而来的:

https://pypi.python.org/pypi/langdetect

开箱即用，支持 55 种语言。