Identifica el idioma de un texto con ML Kit en iOS

Puedes usar ML Kit para identificar el idioma de una cadena de texto. Puedes obtener el idioma más probable de la cadena, así como las puntuaciones de confianza para todas las posibles idiomas de la cadena.

ML Kit reconoce texto en más de 100 idiomas diferentes en sus alfabetos nativos. Además, el texto latinizado puede reconocerse en árabe, búlgaro, chino, griego, hindi, japonés y ruso. Consulta la lista completa de lenguajes y secuencias de comandos compatibles.

Probar

Antes de comenzar

  1. Incluye los siguientes pods del ML Kit en tu Podfile: 
    pod 'GoogleMLKit/LanguageID', '8.0.0'
  2. Después de instalar o actualizar los Pods de tu proyecto, abre el proyecto de Xcode a través de su .xcworkspace El Kit de AA es compatible con Xcode 12.4 o versiones posteriores.

Identifica el idioma de una cadena

Para identificar el idioma de una cadena, obtén una instancia de LanguageIdentification y, luego, pasa la cadena al identifyLanguage(for:).

Por ejemplo:

Swift

let languageId = NaturalLanguage.languageIdentification()

languageId.identifyLanguage(for: text) { (languageCode, error) in
  if let error = error {
    print("Failed with error: \(error)")
    return
  }
  if let languageCode = languageCode, languageCode != "und" {
    print("Identified Language: \(languageCode)")
  } else {
    print("No language was identified")
  }
}

Objective-C

MLKLanguageIdentification *languageId = [MLKLanguageIdentification languageIdentification];

[languageId identifyLanguageForText:text
                         completion:^(NSString * _Nullable languageCode,
                                      NSError * _Nullable error) {
                           if (error != nil) {
                             NSLog(@"Failed with error: %@", error.localizedDescription);
                             return;
                           }
                           if (![languageCode isEqualToString:@"und"] ) {
                             NSLog(@"Identified Language: %@", languageCode);
                           } else {
                             NSLog(@"No language was identified");
                           }
                         }];

Si la llamada se realiza correctamente, se El código de idioma BCP-47 es pasado al controlador de finalización, que indica el idioma del texto. Si la respuesta es no el idioma se puede detectar con confianza, se pasa el código und (indeterminado).

De forma predeterminada, el Kit de AA muestra un valor distinto de und solo cuando identifica el idioma con un valor de confianza de al menos 0.5. Puedes cambiar este umbral pasando un objeto LanguageIdentificationOptions a languageIdentification(options:)

Swift

let options = LanguageIdentificationOptions(confidenceThreshold: 0.4)
let languageId = NaturalLanguage.languageIdentification(options: options)

Objective-C

MLKLanguageIdentificationOptions *options =
    [[MLKLanguageIdentificationOptions alloc] initWithConfidenceThreshold:0.4];
MLKLanguageIdentification *languageId =
    [MLKLanguageIdentification languageIdentificationWithOptions:options];

Obtén los posibles idiomas de una cadena

Para conocer los valores de confianza de los idiomas más probables de una cadena, obtén un instancia de LanguageIdentification y, luego, pasa la cadena al identifyPossibleLanguages(for:).

Por ejemplo:

Swift

let languageId = NaturalLanguage.languageIdentification()

languageId.identifyPossibleLanguages(for: text) { (identifiedLanguages, error) in
  if let error = error {
    print("Failed with error: \(error)")
    return
  }
  guard let identifiedLanguages = identifiedLanguages,
    !identifiedLanguages.isEmpty,
    identifiedLanguages[0].languageCode != "und"
  else {
    print("No language was identified")
    return
  }

  print("Identified Languages:\n" +
    identifiedLanguages.map {
      String(format: "(%@, %.2f)", $0.languageCode, $0.confidence)
      }.joined(separator: "\n"))
}

Objective-C

MLKLanguageIdentification *languageId = [MLKLanguageIdentification languageIdentification];

[languageId identifyPossibleLanguagesForText:text
                                  completion:^(NSArray * _Nonnull identifiedLanguages,
                                               NSError * _Nullable error) {
  if (error != nil) {
    NSLog(@"Failed with error: %@", error.localizedDescription);
    return;
  }
  if (identifiedLanguages.count == 1
      && [identifiedLanguages[0].languageCode isEqualToString:@"und"] ) {
    NSLog(@"No language was identified");
    return;
  }
  NSMutableString *outputText = [NSMutableString stringWithFormat:@"Identified Languages:"];
  for (MLKIdentifiedLanguage *language in identifiedLanguages) {
    [outputText appendFormat:@"\n(%@, %.2f)", language.languageCode, language.confidence];
  }
  NSLog(outputText);
}];

Si la llamada se ejecuta correctamente, se pasa una lista de objetos IdentifiedLanguage al de continuación. De cada objeto, puedes obtener el código BCP-47 del idioma. y la confianza de que la cadena está en ese idioma. Ten en cuenta que estos valores indican la confianza de que toda la cadena se encuentra en la idioma; El Kit de AA no identifica varios idiomas en una sola cadena.

Según la configuración predeterminada, el ML Kit solo muestra los idiomas con valores de confianza de al menos 0,01 Para cambiar este umbral, pasa un LanguageIdentificationOptions a languageIdentification(options:):

Swift

let options = LanguageIdentificationOptions(confidenceThreshold: 0.4)
let languageId = NaturalLanguage.languageIdentification(options: options)

Objective-C

MLKLanguageIdentificationOptions *options =
    [[MLKLanguageIdentificationOptions alloc] initWithConfidenceThreshold:0.4];
MLKLanguageIdentification *languageId =
    [MLKLanguageIdentification languageIdentificationWithOptions:options];

Si ningún idioma alcanza este umbral, la lista tiene un elemento con el valor und