github หาภาษาของโครงการได้อย่างไร

ฉันเพิ่งทำงานกับโปรเจ็กต์ github ทั้งใน JavaScript และ C ++ และสังเกตว่า github แท็กโปรเจ็กต์เป็น C ++ หากคุณต้องเลือกภาษาเดียวนี่อาจเป็นการกำหนดที่ถูกต้องเนื่องจากโค้ด C ++ ถูกคอมไพล์เป็นไลบรารี JavaScript แต่สิ่งนี้ทำให้ฉันสงสัยว่า ... github คิดได้อย่างไรว่าจะแท็กแต่ละโปรเจ็กต์ภาษาอะไร

อัปเดตเมื่อเดือนเมษายน 2013 โดยnuclearsandwich (ทีมสนับสนุน GitHub หรือ "supportocat"):

• หน้าวิธีใช้ "ที่เก็บของฉันถูกทำเครื่องหมายว่าเป็นภาษาที่ไม่ถูกต้อง " กล่าวถึงโดยใช้ไลบรารีนักภาษาศาสตร์เพื่อกำหนดภาษาของไฟล์สำหรับการเน้นไวยากรณ์และสถิติ repo นักภาษาศาสตร์จะแยกชื่อไฟล์และเส้นทางบางอย่างออกจากสถิติโดยไม่รวมไฟล์และไดเร็กทอรีของผู้จำหน่ายบางรายการ

• หน้าความช่วยเหลือ " ทำไมภาษาโปรดของฉันไม่รู้จัก " เพิ่ม:

หากภาษาที่คุณต้องการไม่ได้รับการเน้นไวยากรณ์คุณสามารถมีส่วนร่วมในไลบรารี Linguist เพื่อเพิ่มได้

(คำตอบเดิม ต.ค. 2555)

เธรดนี้เกี่ยวกับการสนับสนุน GitHubอธิบายว่า:

เพียงแค่สรุปขนาดไฟล์สำหรับแต่ละนามสกุล "ชนะ" ที่ใหญ่ที่สุด

เราต้องการหลีกเลี่ยงการเปิดไฟล์และแยกวิเคราะห์เนื้อหาเนื่องจากทั้งสองอย่างจะทำให้กระบวนการช้าลง ... แต่นั่นอาจเป็นวิธีเดียวในการแก้ไขความขัดแย้งเช่นนี้

เนื่องจากสิ่งนี้ไม่ถูกต้อง 100% จึงทำให้บางคนต้องเพิ่ม:

ฉันก็เช่นกันจะลงคะแนนให้กับสวิตช์แทนที่ด้วยตนเองแบบธรรมดาสำหรับกรณีที่การเดาไม่ถูกต้อง

หมายเหตุ: ดังที่Mark Rushakoffกล่าวไว้ในคำตอบของเขา (โหวตเพิ่มขึ้น) การคาดเดาก็ดีขึ้นตั้งแต่นั้นมาด้วยโครงการภาษาศาสตร์ (เปิดแหล่งที่มาตั้งแต่เดือนมิถุนายน 2554)
ท่านสามารถเข้าดูยังคงมีปัญหาแม้ว่า: GitHub ภาษาศาสตร์ปัญหา
ดูรายละเอียดเพิ่มเติมได้ที่นี่ :

เมื่อตรวจพบภาษาแล้วภาษานั้นจะถูกส่งต่อไปยังAlbinoซึ่งเป็นเครื่องห่อแบบPy เซ็กเมนต์ซึ่งจะเน้นไวยากรณ์จริง

และคุณสามารถเพิ่มคำสั่งนักภาษาในไฟล์ . gitattributes

ปัจจุบันโครงการภาษาศาสตร์ของ Github เป็นสิ่งที่ใช้ในการกำหนดสถิติภาษาตามที่อธิบายไว้ในบล็อกโพสต์ของ Github (ซึ่งออกมาไม่กี่เดือนหลังจากที่คำถามนี้ถูกถามในตอนแรก)

ขั้นแรกให้รู้ว่าคุณทำได้ แทนที่ภาษาที่ตรวจพบไฟล์ในพื้นที่เก็บข้อมูลของคุณโดยใช้แทนที่นักภาษาศาสตร์

ตอนนี้โดยสรุป

1. แต่ละพื้นที่เก็บข้อมูลมีการติดแท็กด้วยภาษาแรกจากสถิติภาษา
2. สถิติภาษาจะนับขนาดทั้งหมดของไฟล์สำหรับการเขียนโปรแกรมหรือภาษามาร์กอัปที่ตรวจพบไม่นับรวมไฟล์ที่จัดจำหน่ายเอกสารและไฟล์ที่สร้างขึ้น
3. ภาษาของแต่ละไฟล์จะถูกตรวจพบโดยโครงการที่มาเปิดภาษาศาสตร์

นักภาษาศาสตร์ตรวจจับภาษาได้อย่างไร?

นักภาษาศาสตร์อาศัยกลยุทธ์ต่อไปนี้ตามลำดับและส่งคืนภาษาทันทีที่พบการจับคู่ที่สมบูรณ์แบบ (กลยุทธ์ที่มีการส่งคืนภาษาเดียว)

1. มองหาEmacs และเป็นกลุ่ม modelines
2. ชื่อไฟล์ที่รู้จัก ชื่อไฟล์บางชื่อเกี่ยวข้องกับภาษาเฉพาะ (คิดว่าMakefile)
3. มองหา Shebang ไฟล์ที่มี#!/bin/bashshebangจะถูกจัดประเภทเป็นเชลล์
4. รู้จักไฟล์นามสกุล. ภาษามีชุดส่วนขยายที่เกี่ยวข้อง อย่างไรก็ตามมีความขัดแย้งมากมายกับกลยุทธ์นี้ ผลลัพธ์ที่ขัดแย้งกัน (คิดว่า C ++, C และ Objective-C สำหรับ.h) ได้รับการปรับปรุงโดยกลยุทธ์ที่ตามมา
5. ชุดของกฎการแก้ปัญหา โดยปกติแล้วจะใช้นิพจน์ทั่วไปในเนื้อหาของไฟล์เพื่อพยายามระบุภาษา (เช่น^[^#]+:-สำหรับ Prolog )
6. ลักษณนามเบส์ไร้เดียงสาฝึกอบรมเกี่ยวกับไฟล์ตัวอย่าง กลยุทธ์สุดท้ายความแม่นยำต่ำสุด ลักษณนามแบบเบย์จะใช้ภาษาย่อยเป็นอินพุตเสมอ ไม่ได้หมายถึงการจัดประเภทในทุกภาษา การจับคู่ที่ดีที่สุดที่พบโดยลักษณนามจะถูกส่งกลับ

ไฟล์ที่เปิดเผยและเอกสารประกอบคืออะไร?

นักภาษาศาสตร์ถือว่าไฟล์บางไฟล์เป็นผู้จำหน่ายซึ่งหมายความว่าไฟล์เหล่านี้จะไม่รวมอยู่ในสถิติภาษา ซึ่งรวมถึงไลบรารีของ บริษัท อื่นเช่น jQuery และกำหนดไว้ในvendor.ymlไฟล์คอนฟิกูเรชัน นอกจากนี้คุณยังสามารถผู้ขายหรือไฟล์ unvendor ในพื้นที่เก็บข้อมูลของคุณโดยใช้แทนที่นักภาษาศาสตร์

ในทำนองเดียวกันไฟล์เอกสารที่กำหนดไว้ในdocumentation.ymlและสามารถเปลี่ยนแปลงได้โดยใช้การแทนที่นักภาษาศาสตร์

ไฟล์ที่สร้างขึ้นจะตรวจพบได้อย่างไร?

นักภาษาศาสตร์อาศัยกฎง่ายๆในการตรวจหาไฟล์ที่สร้างขึ้นโดยใช้ทั้งเส้นทางและเนื้อหาของไฟล์ ไฟล์ที่สร้างขึ้นจะไม่ถูกนับในสถิติภาษาและจะไม่แสดงในความแตกต่างบน github.com

สิ่งที่เกี่ยวกับการเขียนโปรแกรมและภาษามาร์กอัป?

ในนักภาษาศาสตร์แต่ละภาษาจะได้รับประเภท languages.ymlประเภทนี้สามารถพบได้ในแฟ้มการกำหนดค่าหลัก เฉพาะภาษาโปรแกรมและภาษามาร์กอัปเท่านั้นที่จะนับในสถิติ

หลังจากซ่อมแซมกับนักภาษาศาสตร์ฉันสังเกตเห็นสิ่งนี้

สำหรับไฟล์ที่มีshebangที่ shebang ถือว่าเมื่อพิจารณาภาษา แต่ดูเหมือนว่าจะให้น้ำหนักเท่า ๆ กันกับคนอื่น ๆ ราชสกุลราชสกุลดูเหมือนว่าจะเป็นข้อผิดพลาดใหญ่เนื่องจาก Shebang ควรกำหนดภาษาของไฟล์อย่างชัดเจน

ซึ่งอาจทำให้เกิดปัญหากับการไฮไลต์

นามสกุลไฟล์เป็นสิ่งแรกที่อยู่ในความคิดของฉัน