用于识别文本文件中的编程语言的代码
我应该编写代码，当给定文本文件（源代码）作为输入时，它将输出哪种编程语言。这是问题的最基本定义。更多的约束如下：
- 我必须用C ++编写。
- 应识别多种语言-html，php，perl，ruby，C，C ++，Java，C＃…
- 误报（错误识别）的数量应该少-输出“未知”胜于错误结果。（它将出现在概率列表中，例如未知：100％，请参见下文）
- 输出应该是代码知道的每种语言的概率列表，因此，如果它知道C，Java和Perl，则输出应为：C：70％，Java：50％，Perl：30％（请注意不需要概率总计不超过100％）
- 它应该具有良好的精度/速度比（速度更受青睐）
如果能够以这样的方式编写代码，那就很容易了：添加新的识别语言将相当容易，并且只需为该特定语言添加“设置/数据”即可。我可以使用任何可用的东西-
启发式，神经网络，黑魔法。什么都可以
我什至可以使用现有的解决方案，但是：该解决方案必须是免费的，开源的并且可以商业使用。它必须以易于集成的源代码或静态库（没有DLL）的形式出现。但是我更喜欢编写自己的代码，或者只使用其他解决方案的片段，我受够了集成其他代码。最后一点：也许有些人会建议使用FANN（快速人工神经网络库）-这是我唯一不能使用的东西，因为这是我们已经使用的东西，并且我们想替换掉。
现在的问题是：您将如何处理这样的任务，您会怎么做？有什么建议如何实施或使用什么？
基于评论和答案，我必须强调一些我忘记的事情：速度非常关键，因为这将获得数千个文件并且应该能快速回答，因此查看一千个文件应该为它们中的所有文件产生答案最多几秒钟（文件的大小当然很小，每个文件只有几kB）。因此，尝试编译每一个都不成问题。问题是，我真的想要每种语言的概率-
所以我想知道该文件可能是C或C
++，但是它是bash脚本的可能性非常低。由于代码混淆，注释等问题，我认为寻找100％准确的代码是一个坏主意，实际上这并不是此目标。
回答：
您有文档分类问题。我建议您阅读有关朴素贝叶斯分类器和支持向量机的信息。在文章中，有指向实现这些算法的库的链接，其中许多具有C
++接口。
以上是 用于识别文本文件中的编程语言的代码 的全部内容， 来源链接： utcz.com/qa/405172.html
