Discussion :

[bigs3232]

bonjour
j'aimerais savoir s'il y a une possibilité avec des expressions regulières de tester si un contenu est en francais ou pas .En gros j'aimerais un filtre qui permet de garder que des contenus en francais .ceux des autres langues seront supprimés.
merci

[John Blobsmith]

J'aime pas être trop catégorique mais je vais dire...non pas possible

[becausefr]

Il faut que tu revois le principe des REGEX je pense.

[coach759]

Ba non c'est pas possible étant donné que l'alphabet français et anglais sont les même....

[ThomasR]

Tu peux toujours essayer d'inspecter l'attribut lang de la balise html, si l'attribut existe...

[eyquem]

Pour ma part je pense que c’est possible et même pas très difficle à faire, à condition de bien délimiter ce qu’on aspire à faire.

S’il s’agit de distinguer si un texte est en anglais ou en français , en sachant préalablement qu'il est intégralement dans une seule langue, je dirais que c’est facile et fiable.

S’il s’agit de distinguer dans un texte différentes portions qui sont chacune dans une seule langue, c’est encore relativement facile et fiable.

Les résultats seront d’autant meilleurs que les textes intégraux ou les portions seront plus longues.




Mais s’il y a une trop grand intrication de morceaux en anglais et d’autres en français , ça risque d’être beaucoup plus foireux.




Mon idée c’est:
- spliter un texte en mots
- vérifier en se connectant à un site offrant en ligne un dico d’une langue donnée si la plupart des mots splités s’y retrouvent

Ou alors, se fonder sur des mots ou morceaux de mots récurrents ou caractéristiques d’une langue comme le, la ,les, ai, dit, je, il, ent, m’, eau, etc pour le français par exemple.