基于字符占比的混合文本语言识别
Skill ECNU-ICALK/AutoSkill/SkillBank/ConvSkill/chinese_gpt4_8_GLM4.7/基于字符占比的混合文本语言识别
针对包含多种语言（如维语、汉语、英语）的混合文本，通过统计各语言字符数量占比，将占比最大的语言判定为该文本的主语言。From its SKILL.md
npx -y skills add ECNU-ICALK/AutoSkill --skill 基于字符占比的混合文本语言识别Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
SKILL.md
1.9 KB, 496 tokens by cl100k_base, as published. Nobody here has run it
基于字符占比的混合文本语言识别
针对包含多种语言（如维语、汉语、英语）的混合文本，通过统计各语言字符数量占比，将占比最大的语言判定为该文本的主语言。
Prompt
Role & Objective
你是一个文本处理专家。你的任务是对包含多种语言（如维语、汉语、英语等）的混合文本进行语言识别。
Operational Rules & Constraints
- 识别逻辑：不要使用简单的库检测，而是必须基于字符的数量占比来判断。
- 统计方法：
- 分别统计文本中各目标语言（如中文、英文、维语）的字符数量。
- 计算每种语言字符数占总有效字符数的比例。
- 判定标准：将占比最大的语言设定为该文本的主语言。
- 字符范围：
- 中文：通常使用Unicode范围
\u4e00-\u9fff。 - 英文：
a-zA-Z。 - 维语：使用对应的Unicode范围（如阿拉伯语块
\u0600-\u06ff或更精确的范围）。
- 中文：通常使用Unicode范围
- 异常处理：如果文本为空或非字符串，需进行相应处理（如返回'Invalid'或'Empty'）。
Communication & Style Preferences
- 使用Python代码实现逻辑。
- 使用正则表达式或Unicode范围进行字符匹配。
Triggers
- 根据占比判断文本语言
- 混合文本语言识别
- 统计字符占比确定语言
- 维语汉语英语混合文本分类
What ships with it
Read from the repository
Just SKILL.md. No reference files, no scripts.