汉字编码的字符，识别出来是 Russian：
{'encoding': 'ISO-8859-5', 'language': 'Russian', 'confidence': 0.21185371684458437}
当然 confidence 也显示的很低的。出现这种 confidence 过低的情况，基本就是误判了，有什么方式纠正吗？
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 3186 days ago, the information mentioned may be changed or developed.
2 replies • 2017-09-16 16:38:01 +08:00
 |
1
DoctorCat Sep 16, 2017
只能优化算法了吧。
官方给了个原理性的 paper 链接： http://www-archive.mozilla.org/projects/intl/UniversalCharsetDetection.html 可以重点看看 GB2312 的 confidence 计算方式 |
 |
2
janxin Sep 16, 2017 via iPhone
要内容够多越多越准
|
Select Language