Awesome GitHub RepositoriesSource Code Language Detectors

highlight.js is a JavaScript syntax highlighter and client-side code formatter that transforms plain text source code into highlighted HTML for web display. It provides syntax highlighting across a wide variety of programming languages. The library includes an automatic language detector that identifies the programming language of a code block to apply the correct highlighting rules without manual tagging. It is designed for web worker compatibility, allowing the highlighting process to run in background threads to prevent the browser interface from freezing during the processing of large vol

Linguist is a programming language detection library designed to identify the languages used within source code files and software repositories. It functions as a repository metadata classifier, providing the automated analysis necessary to generate language statistics and insights for version control platforms. The tool employs a strategy-based detection pipeline that combines multiple identification methods to ensure accuracy. It utilizes heuristic-based pattern matching for file extensions and filenames, supplemented by regex-driven content analysis and Bayesian statistical classification

DeepLX is a self-hosted translation API server that provides free access to DeepL translation services without requiring a paid API token or account. It functions as a token-free proxy, enabling programmatic text translation between languages through a single HTTP endpoint. The server accepts JSON-based requests with source and target language parameters, supporting automatic source language detection and validation of language codes. It processes each translation request independently in a stateless manner, and offers optional bearer token authentication to restrict access to authorized clie

Franc este o bibliotecă de detecție a limbajului natural și un identificator în linia de comandă utilizat pentru a determina limba scrisă a unui eșantion de text. Acesta funcționează ca un profiler statistic de limbaj care identifică și clasifică textul multilingv prin analizarea distribuțiilor de caractere. Instrumentul utilizează un sistem de analiză statistică bazat pe trigrame, comparând frecvența secvențelor de trei caractere dintr-un eșantion de intrare cu profilurile de referință. Acesta clasează potențialele potriviri de limbă prin calcularea distanței statistice dintre input și aceste profiluri, permițându-i să returneze o listă clasată a limbilor probabile. Proiectul oferă o interfață în linia de comandă pentru analiza textului și suportă clasificarea automată a conținutului. Utilizează seturi de date lingvistice modulare și tabele n-gram precalculate pentru a separa logica de detecție de datele de profil specifice limbii.