可以取悦任何设法解释如何做到这一点的人： - ）
我是否需要获取我需要添加的语言的n-gram文件？
是否需要创建tika.language.override.properties，添加一些其他lang代码并在classPath上添加lang-code.ngp n-gram文件？在那种情况下，我在哪里得到它以及为什么Tika不支持更多语言，如果仅仅是这个问题？
目前支持语言检测的这些语言
da,de,et,el,en,es,fi,fr,hu,is,it,lt,nl,no,pl,pt,ru,sv,th
和tika使用传统的n-gram符号
er_ 132232
_de 103517
en_ 82666
et_ 80661
for 65286
_fo 57945
de_ 51382
der 44049
at_ 41915
det 41381
_og 40344
_at 39482
ing 38707
den 36795
og_ 36577
_me 34924
nde 34528
这个lang detection application目前支持这些语言，但有一些不同的n-gram文件
af bg cs de en fa fr he hr id ja ko ml ne no pl ro sk sq sw te tl uk vi zh-tw ar bn da el es fi gu hi hu it kn mk mr nl pa pt ru so sv ta th tr ur zh-cn
以JSON表示法
{"freq":{"D":9246,"E":2445,"F":2510,"G":3299,"A":6930,"B":3706,"C":2451,"L":2519,"M":3951,"N":3334,"O":2514,"H" ....