基于字符占比的混合文本语言识别
Documents基于字符占比的混合文本语言识别 is an Agent Skill for documents published in the ECNU-ICALK/AutoSkill repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.
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。
QUICK START
How to use this skill
Bring this guide into your coding agent with a prompt tailored to the tool you use.
- Open your project in Codex.
- Copy and paste the prompt below.
- Review files and risks before approving any action.
Prompt to paste
Inspect the Agent Skill at https://github.com/ECNU-ICALK/AutoSkill/blob/HEAD/SkillBank/ConvSkill/chinese_gpt4_8_GLM4.7/基于字符占比的混合文本语言识别/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/基于字符占比的混合文本语言识别, but wait for my approval before writing files or running scripts.
Copying this prompt does not install or run the skill. Review third-party files before use.
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