Hitta språket som texten är skriven på

Detta verktyg ger förslag på vilka språk som en text kan tänkas vara skriven på. Verktyget har stöd för cirka 200 av de vanligaste språken vilket innefattar vad en klar majoritet av världens befolkning har som förstaspråk.

Språkförslagen presenteras i en sorterad lista med de mest troliga språken högst upp. En lång grön stapel betyder att språket med stor sannolikhet är det språk som texten är skriven på. En längre text ger oftast ett mer tillförlitligt resultat.

Det finns en rad olika egenskaper hos en text som kan användas för att avgöra vilket språk som texten är skriven på. Ett sätt är att beräkna bokstavsfrekvenser (d.v.s. förekomsten av varje bokstav i procent) och jämföra det med ett medelvärde för varje språk. Man kan även, på samma sätt, studera förekomsten av grupper om två eller tre av varandra efterföljande bokstäver. Detta ger en mer detaljerad bild av språket och gör resultatet mer tillförlitligt, och det är denna metod som detta verktyg använder sig av.

En annan möjlighet, som skulle kunna ha används, är att titta på hela ord. Man skulle t.ex. kunna jämföra förekomsten av olika ordlängder. Om det finns en lista med ord för varje språk så skulle man även kunna jämföra varje enskilt ord och se vilket språk som passar bäst. Det kan dock vara svårt att sammanställa och lagra en komplett lista över alla ord, och vissa språk som t.ex. kinesiska använder inte ens ord, så den här metoden fungerar oftast inte så bra på egen hand men skulle kunna användas i kombination med någon av de andra metoderna.