这是一个创建于 4419 天前的主题，其中的信息可能已经有所发展或是发生改变。
想做一个自动编译并执行工具（代码从网页端输入的，因此不包含扩展名），编译/解释执行范围是C++(C), Pascal, Python, Ruby, Java, Javascript, C#等。我希望简化流程，即用户只需输入代码，不需要自己去选择语言，也能正确编译/解释执行。
（由于C++编译器可以编译C，因此可以不需要区分C++与C）
爆栈上有一个比较类似的问题：http://stackoverflow.com/questions/475033/detecting-programming-language-from-a-snippet
不过我这里的情况是代码比较完整，它99%是某一个编译器能够编译成功的代码，那么如何对它进行代码语言探测？
=======
我想把它放在Javascript前端层面来实现，因此可能Generate AST这种庞大的solution不是很有用。
我想到的比较快速的方法是语言特征检测，由于代码完整，因此语言特征可能会很明显。但是准确性如何就不得而知了。
另一种方法（highlight.js）是用每个语言的highlighter渲染一遍，看哪个语言渲染到的比较多。然而这显然很不准确。。比如说{}在C++里是blocks，然而在Pascal里是comments,渲染为Pascal的时候，成功渲染（着色）量不见得比C++少。
不知大家有什么想法？
（由于C++编译器可以编译C，因此可以不需要区分C++与C）
爆栈上有一个比较类似的问题：http://stackoverflow.com/questions/475033/detecting-programming-language-from-a-snippet
不过我这里的情况是代码比较完整，它99%是某一个编译器能够编译成功的代码，那么如何对它进行代码语言探测？
=======
我想把它放在Javascript前端层面来实现，因此可能Generate AST这种庞大的solution不是很有用。
我想到的比较快速的方法是语言特征检测，由于代码完整，因此语言特征可能会很明显。但是准确性如何就不得而知了。
另一种方法（highlight.js）是用每个语言的highlighter渲染一遍，看哪个语言渲染到的比较多。然而这显然很不准确。。比如说{}在C++里是blocks，然而在Pascal里是comments,渲染为Pascal的时候，成功渲染（着色）量不见得比C++少。
不知大家有什么想法？
 | 1 orzfly 2013-09-07 15:50:24 +08:00 |
 | 3 luikore 2013-09-07 16:21:58 +08:00  2 @breeswish 不是, linguist 综合了各种分析方法, 扩展名和首行等特征猜不出来的话, 就用贝叶斯网络做分类的. |
 | 4 GordianZ 2013-09-07 16:38:20 +08:00 直接编译说不定还快点…… |
 | 7 Perry 2013-09-07 16:50:26 +08:00 1 我觉得简化流程的想法很好，但是在前端做识别语言的处理话会很难（目前也没有最简便的方法，或者说要做的通吃很多语言会很有压力，也做不到很精准）；这个时候我觉得应该让用户自己去选择，作为用户的角度来说也不是什么特别麻烦的事情。 |
 | 8 clippit 2013-09-07 17:25:42 +08:00 记得以前看到过有人写了一段代码，可以同时当成好几种语言成功编译或执行 |
 | 9 Kabie 2013-09-07 17:50:03 +08:00 1 |
 | 10 rwx 2013-09-07 19:19:39 +08:00 pretty是直接把pre标签里的代码按探测的语言进行着色，但是没研究过代码，不知道是不是真的有语言探测，还是其它的什么机制 |
 | 12 breeswish OP @GordianZ 嗯。。我就是来寻求不做语法分析的方案的。。 比如对于人来说，人辨认一个代码其实也不是按照语法分析的，不是拿所有已知的语言进行一遍语法分析，而是根据一些特征来判断，比如见到了#include，并且到处都是花括号什么的，直接就会觉得这是个C/C++，而如果见到满屏幕的begin end和prodecure，以及:=之类的，就会觉得是个pascal；而看到def \n xxx \n end等等可能就会觉得是个ruby。我希望能编程来实现这个~ |
 | 13 alexapollo 2013-09-08 00:19:19 +08:00 1 为啥不是语法分析。其实你想做的就是简版的NLP。 NLP分两种： 1、基于规则 现在的NLP领域仍然是基于规则的胜率更高，统计还有很长的路要走。 更何况programming language有非常明确的规则，可以很简单的识别出来。 统计当然也可以做，但现在都是非工程化的。 |
 | 14 kfll 2013-09-08 00:25:32 +08:00 1 我觉得在这方面，不选择语言是吃力不讨好的... |
 | 15 miaoever 2013-09-08 00:40:10 +08:00 1 stackoverflow 上的那个答案其实就挺好的，LZ 不妨试试。贝叶斯分类器实现很简单，但是效果往往会非常好。 |
 | 16 hooluupog 2013-09-08 08:51:39 +08:00 google内部倒是有可以分析和编译多种语言的工具(c/c++/python/java)，我觉得lz可以去知乎上提问，邀请王垠来解答下，他应该对这方面比较了解。 |
 | 18 yangff 2013-09-08 20:05:08 +08:00 |
 | 19 Mutoo 2013-09-08 22:02:51 +08:00 2 呵呵，你让那些有多个版本的语言怎么办，比较 python2.x python3.x actionsctip1.0/2.0/3.0 这种事让用户去做最好了，错了责任是他们的。 |
Select Language