Как проверять что введен русский язык?

Question

[Cipo]

Привет! Такой вопрос, как проверять, что в переменную text введен русский текст, а не любой другой

from googletrans import Translator
translator = Translator()

text = input()

res = translator.translate(text, scr='ru', dest='en')
print(res.text)

Если я буду вводить текст на финском или китайском, он так же будет переводиться на английский(но в очень плохом качестве)
А мне нужно проверять как то переменную text на наличие русской речи. Спасибо!

Comments

[Аркадий Гальченко]

Наверное, качественно это сделать будет не просто, ведь в русском тексте могут быть какие-нибудь английские названия и т.д.

Но как самый банальный способ - удалить пунктуацию, пройтись по буквам и убедиться что они русские. Можно сделать через флаг, можно через счётчик — и от общей длины, допустим, считать процент русских букв, если он удовлетворительный — значит ок.

А можно просто сделать ручной выбор языка.

Кстати, а в данной библиотеке нет автоопределения языка?

[Василий Банников]

Вроде гугл переводчик ещё позволяет определять язык текста.
А ещё можно при переводе явно указать исходный язык

[Cipo]

Василий Банников, да, но проблема в том, что вот я указываю с какого языка на какой перевести. Но так же я могу ввести слово не на русском, а на финском например и он так же переведет все на английский. но в плохом качестве.

[Cipo]

Аркадий Гальченко, спасибо за код, впринципе схож с решением задачи, буду дорабатывать

[Viktor T2]

Есть же либы:
https://pypi.org/project/langdetect/
https://github.com/saffsd/langid.py
и другие https://stackoverflow-com.translate.goog/questions...

Answer 1

[Аркадий Гальченко]

Решил написать свой вариант такой функции, чтобы продемонстрировать её несовершенство. Вариант с флагом и только русскими буквами делать не стал, сделал с процентами. Третья проверка не проходит, тк русских букв слишком мало в соотношении с другими, хотя текст по сути русский. Но это скорее исключение, в целом такая функция имеет место быть, но лучше перестраховаться от разных вариантов.

import string

def is_russian(text):
    alpha = "абвгдеёжзиклмнопрстуфхцчшщъыьэюя"
    new_text = text.translate(str.maketrans('', '', string.punctuation)).lower().replace(' ', '')
    
    rulet = 0
    for letter in new_text:
        if letter in alpha:
            rulet += 1
     
    # Если больше или равно 70%       
    if rulet/len(new_text) >= 0.7:
        return(True)
    else:
        return(False)
    

good_text = "Какой-то текст, со знаками препинания, конечно же, sorry!"
bad_text = "Some english text, isn't russian."
secret = "Люблю Gucci"

print(is_russian(good_text)) #вернёт True
print(is_russian(bad_text)) #вернёт False
print(is_russian(secret)) #вернёт False

Comments

[runapa]

А сколько процентов будет у текста на украинском или беларусском?

[Василий Банников]

runapa, в них уже свои буквы. Так можно сразу определить по их наличию

[Аркадий Гальченко]

runapa, ну вот об этом и речь. Я писал выше, в комментарии. Критикуешь — предлагай

[mayton2019]

Можно сделать разные уровни проверки.

Например 1 уровень. Наличие в тексте кодовой страницы нужного языка.

2 уровень. Биграммы букв. Анализ ча частот.

И дальше - анализ смыслов.