如何检测网页的语言

Question

是否有 meta 标签给出网页的原始语言，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)

Answer 1

这两个页面的语言可以说是英语！页面上的大部分 content 是其他语言，但页面结构（标签、链接等）是英文的，每个页面上的元标记都符合此评估。

来自 Google 播放页面：

<html lang="en_US">
      ^^^^^^^^^^^^

来自 iTunes Store 页面：

<html prefix="og: http://ogp.me/ns#" xmlns="http://www.apple.com/itms/" lang="en">
                                                                        ^^^^^^^^^

有些 API 可以尝试执行语言检测。一个这样的（商业）例子是 Google Translate's Detect Language call。不过，这样的 API 会对这些页面产生什么样的影响呢？有一个强有力的论据说他们都是英国人。

如何检测网页的语言

How to detect language of a webpage

python

translation