【发布时间】：2012-03-30 21:41:52
【问题描述】：
有没有办法获取PDF文档的文本语言？
示例： 假设我有一些我不知道语言的 PDF 文档，是否有任何工具可以让我自动获取 PDF 文档语言并在文件中存储（或 ECHO）语言名称？
问候， 沃洛迪米尔
【问题讨论】：
【发布时间】：2012-03-30 21:41:52
【问题描述】：
基本上没有。 PDF 文件中没有任何内容可以保证告诉您所使用的语言，而且从文件中获取任何简单的内容肯定会有所帮助。
如果文件使用 CIDfonts，则关联的 CMap可能通过 CIDSystemInfo 中的 Ordering 键为您提供线索，但这通常只是 'Identity' 的变体。
如果字体（CID 或常规）包含 ToUnicode CMap（很多都包含，但这不是必需的），那么您可能能够从 Unicode 值推断语言。
【讨论】：
-
当然，PDF 可以附加指定文档语言的元数据。正确标记的 PDF 将包含此信息。
如果您从 PDF 中提取文本，您可以使用Google Translate API v2 来检测语言。不过，这是一项付费网络服务。
【讨论】：
-
如果我要使用
tesseract之类的工具获取文本的ocr，我首先需要语言，有什么我可以做的吗？