是否有提供网页原始语言的 meta 标记,或者我可以使用某些库来检测它?例如:
detect_language('https://play.google.com/store/movies/details?id=lzLX-xKfQhE')
==> DE (German)
detect_language('https://itunes.apple.com/jp/movie/gon-garu-zi-mu-ban/id944521490?l=en')
==> JP (Japanese)
请您参考如下方法:
这两个页面的语言可以说是英语!页面上的大部分内容都使用其他语言,但页面结构(标签、链接等)是英文的,并且每个页面上的元标记都符合此评估。
来自 Google Play 页面:
<html lang="en_US">
^^^^^^^^^^^^
从 iTunes Store 页面:
<html prefix="og: http://ogp.me/ns#" xmlns="http://www.apple.com/itms/" lang="en">
^^^^^^^^^
存在一些可以尝试执行语言检测的 API。一个这样的(商业)例子是 Google Translate's Detect Language call .不过,这样的 API 将如何处理这些页面有点令人费解;有一个强有力的论点说他们都是英国人。
