源代碼語言分析

Question

我想檢測的編程語言與紅寶石

例如： （PHP）

$a = array("1","2","3"); 
print_r($a); 

（紅寶石）

def index 
end 

等

什麼寶石可以做到這一點？

Answer 1

Linguist可能會爲你做這件事（這是GitHub用來檢測項目中的主要語言）。

如果你想建立自己的，那將是一個很好的開始。這裏還有一些關於你可能需要做什麼才能做出來的更多的注意事項。

文件擴展名是一個很好的做法。例如：

• .rb - 幾乎總是紅寶石
• .cpp - 幾乎都是C++
• .h - 可能是C/C++

...等，然後通過閱讀代碼行。線。通常有一些常見的關鍵詞，或者將這些詞語放在代碼中，這些詞語會很快讓你知道它是用什麼語言編寫的。回顧一些你想要支持的語言的「入門」教程網站應該給你一個很好的總結這些事情，而不需要自己實際學習語言。所有你真正需要的是每種語言的一些獨特的東西，你可以選擇一種語言或另一種語言。

您也可以使用貝葉斯學習過濾器（在Ruby中有一個名爲Classifier的模塊，它似乎這樣做）來訓練更靈活的學習引擎，以便通過語言自行識別代碼。由於編程語言是高度結構化的文本，所以您的學習軟件不需要很長時間才能非常好地識別語言。如果你想完全瘋狂，你甚至可以訓練它不僅能識別語言，還能識別代碼可以編譯的最低語言版本。例如，在Java中，他們在語言生命週期的某個特定點添加了泛型。如果您在代碼中看到泛型的使用，那麼您知道該源代碼是爲某個最低版本的Java編寫的，等等。

稍微複雜一些，但不是太多，將會出現如.erb這樣的問題文件。你是否稱這些「嵌入式Ruby」，你稱他們爲「Ruby」，還是你計算了HTML與Ruby和JavaScript之間的界限，並用最多的語言稱呼它，或者你只是用ALL標記文件找到的語言？我想這更像是一個設計決定。

Answer 2

Source classifier是一個應該爲你想要做的事情工作的寶石。源分類器使用在「計算機語言基準遊戲」生成的語料庫上訓練的貝葉斯分類器來識別編程語言：http：//shootout.alioth.debian.org/。它是用Ruby編寫的，可作爲寶石使用。開箱即用的SourceClassifier可識別C，Java，Javascript，Perl，Python和Ruby。使用貝葉斯分類器來識別源代碼的一個很好的優點是，即使是錯誤的匹配仍然會提供一些可用的突出顯示。要訓​​練分類器以識別新語言，請從github下載源代碼。

Answer 3

我唯一能想到的就是https://github.com/github/linguist。一個美妙的寶石，但我不認爲這正是你需要的。