快速入門：使用語言偵測用戶端程式庫和 REST API
參考文件 | 更多樣本 | 套件 (NuGet) | 程式庫原始程式碼
使用此快速入門，透過適用於 .NET 的用戶端程式庫來建立語言偵測應用程式。 在下列範例中，您會建立 C# 應用程式，以識別撰寫文字範例的語言。
必要條件
- Azure 訂用帳戶 - 建立免費帳戶
- Visual Studio IDE
設定
建立 Azure 資源
您必須部署 Azure 資源，才能使用下列程式碼範例。 此資源將包含金鑰和端點，供您用來驗證您傳送至語言服務的 API 呼叫。
使用下列連結，以透過 Azure 入口網站建立語言資源。 您必須使用 Azure 訂用帳戶進行登入。
在所出現的 [選取其他功能] 畫面上，選取 [繼續以建立您的資源]。
在 [建立語言] 畫面中，提供下列資訊：
詳細資料 描述 訂用帳戶 資源將要建立關聯的訂用帳戶。 從下拉式功能表中選取您的 Azure 訂用帳戶。 資源群組 資源群組是一個容器，當中會儲存您所建立的資源。 選取 [新建] 來建立新的資源群組。 區域 語言資源的位置。 區域不同可能會依據您的實體位置而造成延遲，但不會影響您資源執行階段的可用性。 在本快速入門中，請選取您鄰近的可用區域，或選擇 [美國東部]。 名稱 語言資源的名稱。 此名稱也會用來建立端點 URL，供您的應用程式用來傳送 API 要求。 定價層 語言資源的定價層。 您可以使用 [免費 F0] 層來試用服務，之後可升級至付費層以用於實際執行環境。 
請確定已核取 [負責任 AI 通知] 核取方塊。
選取頁面底部的 [檢閱 + 建立]。
在所出現的畫面中，確定驗證已通過，且您已輸入正確的資訊。 然後選取建立。
取得金鑰和端點
接下來，您將需要來自資源的金鑰與端點，以將應用程式連線至該 API。 您稍後會在快速入門中將金鑰和端點貼到程式碼中。
成功部署語言資源後，按一下 [後續步驟] 下的 [前往資源]。
在資源的畫面上，選取左側導覽功能表上的 [金鑰和端點]。 在下列步驟中，您將使用其中一個金鑰和端點。
建立環境變數
您的應用程式必須經過驗證後，才能傳送 API 要求。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。
提示
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。
若要設定語言資源金鑰的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
- 若要設定
LANGUAGE_KEY環境變數，請將your-key取代為您資源的其中一個金鑰。 - 若要設定
LANGUAGE_ENDPOINT環境變數，請將your-endpoint取代為您資源的端點。
setx LANGUAGE_KEY your-key
setx LANGUAGE_ENDPOINT your-endpoint
注意
如果您只需要存取目前執行中主控台的環境變數，您可以使用 set (而不是 setx) 來設定環境變數。
新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的執行中程式，包括主控台視窗。 例如，如果您使用 Visual Studio 做為編輯器，請在執行範例前重新啟動 Visual Studio。
建立新的 .NET Core 應用程式
使用 Visual Studio IDE，建立新的 .NET Core 主控台應用程式。 這會建立 "Hello World" 專案，內含單一 C# 來源檔案：program.cs。
以滑鼠右鍵按一下 [方案總管] 中的解決方案，然後選取 [管理 NuGet 套件]，以安裝用戶端程式庫。 在開啟的封裝管理員中，選取 [瀏覽] 並搜尋 Azure.AI.TextAnalytics。 選取版本 5.2.0，然後 安裝。 您也可以使用套件管理員主控台。
程式碼範例
將下列程式碼複製到 program.cs 檔案中。 然後執行程式碼。
using Azure;
using System;
using Azure.AI.TextAnalytics;
namespace LanguageDetectionExample
{
class Program
{
// This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
static string languageKey = Environment.GetEnvironmentVariable("LANGUAGE_KEY");
static string languageEndpoint = Environment.GetEnvironmentVariable("LANGUAGE_ENDPOINT");
private static readonly AzureKeyCredential credentials = new AzureKeyCredential(languageKey);
private static readonly Uri endpoint = new Uri(languageEndpoint);
// Example method for detecting the language of text
static void LanguageDetectionExample(TextAnalyticsClient client)
{
DetectedLanguage detectedLanguage = client.DetectLanguage("Ce document est rédigé en Français.");
Console.WriteLine("Language:");
Console.WriteLine($"\t{detectedLanguage.Name},\tISO-6391: {detectedLanguage.Iso6391Name}\n");
}
static void Main(string[] args)
{
var client = new TextAnalyticsClient(languageEndpoint, languageKey);
LanguageDetectionExample(client);
Console.Write("Press any key to exit.");
Console.ReadKey();
}
}
}
輸出
Language:
French, ISO-6391: fr
參考文件 | 更多樣本 | 套件 (Maven) | 程式庫原始程式碼
使用此快速入門，透過適用於 JAVA 的用戶端程式庫來建立語言偵測應用程式。 在下列範例中，您會建立 Java 應用程式，以識別撰寫文字範例的語言。
必要條件
設定
建立 Azure 資源
您必須部署 Azure 資源，才能使用下列程式碼範例。 此資源將包含金鑰和端點，供您用來驗證您傳送至語言服務的 API 呼叫。
使用下列連結，以透過 Azure 入口網站建立語言資源。 您必須使用 Azure 訂用帳戶進行登入。
在所出現的 [選取其他功能] 畫面上，選取 [繼續以建立您的資源]。
在 [建立語言] 畫面中，提供下列資訊：
詳細資料 描述 訂用帳戶 資源將要建立關聯的訂用帳戶。 從下拉式功能表中選取您的 Azure 訂用帳戶。 資源群組 資源群組是一個容器，當中會儲存您所建立的資源。 選取 [新建] 來建立新的資源群組。 區域 語言資源的位置。 區域不同可能會依據您的實體位置而造成延遲，但不會影響您資源執行階段的可用性。 在本快速入門中，請選取您鄰近的可用區域，或選擇 [美國東部]。 名稱 語言資源的名稱。 此名稱也會用來建立端點 URL，供您的應用程式用來傳送 API 要求。 定價層 語言資源的定價層。 您可以使用 [免費 F0] 層來試用服務，之後可升級至付費層以用於實際執行環境。
請確定已核取 [負責任 AI 通知] 核取方塊。
選取頁面底部的 [檢閱 + 建立]。
在所出現的畫面中，確定驗證已通過，且您已輸入正確的資訊。 然後選取建立。
取得金鑰和端點
接下來，您將需要來自資源的金鑰與端點，以將應用程式連線至該 API。 您稍後會在快速入門中將金鑰和端點貼到程式碼中。
成功部署語言資源後，按一下 [後續步驟] 下的 [前往資源]。
在資源的畫面上，選取左側導覽功能表上的 [金鑰和端點]。 在下列步驟中，您將使用其中一個金鑰和端點。
建立環境變數
您的應用程式必須經過驗證後，才能傳送 API 要求。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。
提示
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。
若要設定語言資源金鑰的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
- 若要設定
LANGUAGE_KEY環境變數，請將your-key取代為您資源的其中一個金鑰。 - 若要設定
LANGUAGE_ENDPOINT環境變數，請將your-endpoint取代為您資源的端點。
setx LANGUAGE_KEY your-key
setx LANGUAGE_ENDPOINT your-endpoint
注意
如果您只需要存取目前執行中主控台的環境變數，您可以使用 set (而不是 setx) 來設定環境變數。
新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的執行中程式，包括主控台視窗。 例如，如果您使用 Visual Studio 做為編輯器，請在執行範例前重新啟動 Visual Studio。
新增 用戶端程式庫
在您慣用的 IDE 或開發環境中建立 Maven 專案。 然後，在專案的 pom.xml 檔案中新增下列相依性。 您可以在線上找到其他建置工具的實作語法。
<dependencies>
<dependency>
<groupId>com.azure</groupId>
<artifactId>azure-ai-textanalytics</artifactId>
<version>5.2.0</version>
</dependency>
</dependencies>
程式碼範例
建立名為 Example.java 的 Java 檔案。 開啟檔案，並複製下列程式碼。 然後執行程式碼。
import com.azure.core.credential.AzureKeyCredential;
import com.azure.ai.textanalytics.models.*;
import com.azure.ai.textanalytics.TextAnalyticsClientBuilder;
import com.azure.ai.textanalytics.TextAnalyticsClient;
public class Example {
// This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
private static String languageKey = System.getenv("LANGUAGE_KEY");
private static String languageEndpoint = System.getenv("LANGUAGE_ENDPOINT");
public static void main(String[] args) {
TextAnalyticsClient client = authenticateClient(languageKey, languageEndpoint);
detectLanguageExample(client);
}
// Method to authenticate the client object with your key and endpoint
static TextAnalyticsClient authenticateClient(String key, String endpoint) {
return new TextAnalyticsClientBuilder()
.credential(new AzureKeyCredential(key))
.endpoint(endpoint)
.buildClient();
}
// Example method for detecting the language of text
static void detectLanguageExample(TextAnalyticsClient client)
{
// The text to be analyzed.
String text = "Ce document est rédigé en Français.";
DetectedLanguage detectedLanguage = client.detectLanguage(text);
System.out.printf("Detected primary language: %s, ISO 6391 name: %s, score: %.2f.%n",
detectedLanguage.getName(),
detectedLanguage.getIso6391Name(),
detectedLanguage.getConfidenceScore());
}
}
輸出
Detected primary language: French, ISO 6391 name: fr, score: 1.00.
參考檔 | 更多範例 | 套件 （npm） | 連結庫原始程式碼
使用此快速入門，透過適用於 Node.js 的用戶端程式庫來建立語言偵測應用程式。 在下列範例中，您會建立 JavaScript 應用程式，以識別撰寫文字範例的語言。
必要條件
設定
建立 Azure 資源
您必須部署 Azure 資源，才能使用下列程式碼範例。 此資源將包含金鑰和端點，供您用來驗證您傳送至語言服務的 API 呼叫。
使用下列連結，以透過 Azure 入口網站建立語言資源。 您必須使用 Azure 訂用帳戶進行登入。
在所出現的 [選取其他功能] 畫面上，選取 [繼續以建立您的資源]。
在 [建立語言] 畫面中，提供下列資訊：
詳細資料 描述 訂用帳戶 資源將要建立關聯的訂用帳戶。 從下拉式功能表中選取您的 Azure 訂用帳戶。 資源群組 資源群組是一個容器，當中會儲存您所建立的資源。 選取 [新建] 來建立新的資源群組。 區域 語言資源的位置。 區域不同可能會依據您的實體位置而造成延遲，但不會影響您資源執行階段的可用性。 在本快速入門中，請選取您鄰近的可用區域，或選擇 [美國東部]。 名稱 語言資源的名稱。 此名稱也會用來建立端點 URL，供您的應用程式用來傳送 API 要求。 定價層 語言資源的定價層。 您可以使用 [免費 F0] 層來試用服務，之後可升級至付費層以用於實際執行環境。
請確定已核取 [負責任 AI 通知] 核取方塊。
選取頁面底部的 [檢閱 + 建立]。
在所出現的畫面中，確定驗證已通過，且您已輸入正確的資訊。 然後選取建立。
取得金鑰和端點
接下來，您將需要來自資源的金鑰與端點，以將應用程式連線至該 API。 您稍後會在快速入門中將金鑰和端點貼到程式碼中。
成功部署語言資源後，按一下 [後續步驟] 下的 [前往資源]。
在資源的畫面上，選取左側導覽功能表上的 [金鑰和端點]。 在下列步驟中，您將使用其中一個金鑰和端點。
建立環境變數
您的應用程式必須經過驗證後，才能傳送 API 要求。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。
提示
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。
若要設定語言資源金鑰的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
- 若要設定
LANGUAGE_KEY環境變數，請將your-key取代為您資源的其中一個金鑰。 - 若要設定
LANGUAGE_ENDPOINT環境變數，請將your-endpoint取代為您資源的端點。
setx LANGUAGE_KEY your-key
setx LANGUAGE_ENDPOINT your-endpoint
注意
如果您只需要存取目前執行中主控台的環境變數，您可以使用 set (而不是 setx) 來設定環境變數。
新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的執行中程式，包括主控台視窗。 例如，如果您使用 Visual Studio 做為編輯器，請在執行範例前重新啟動 Visual Studio。
建立新的 Node.js 應用程式
在主控台視窗 (例如 cmd、PowerShell 或 Bash) 中，為您的應用程式建立新的目錄，並瀏覽至該目錄。
mkdir myapp
cd myapp
執行命令 npm init，以使用 package.json 檔案建立節點應用程式。
npm init
安裝用戶端程式庫
安裝 npm 套件：
npm install @azure/ai-language-text
程式碼範例
開啟檔案，並複製下列程式碼。 然後執行程式碼。
"use strict";
const { TextAnalyticsClient, AzureKeyCredential } = require("@azure/ai-text-analytics");
// This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
const key = process.env.LANGUAGE_KEY;
const endpoint = process.env.LANGUAGE_ENDPOINT;
//Example sentences in different languages to be analyzed
const documents = [
"This document is written in English.",
"这是一个用中文写的文件",
];
//Example of how to use the client library to detect language
async function main() {
console.log("== Language detection sample ==");
const client = new TextAnalysisClient(endpoint, new AzureKeyCredential(key));
const result = await client.analyze("LanguageDetection", documents);
for (const doc of result) {
if (!doc.error) {
console.log(
`ID ${doc.id} - Primary language: ${doc.primaryLanguage.name} (iso6391 name: ${doc.primaryLanguage.iso6391Name})`
);
}
}
}
main().catch((err) => {
console.error("The sample encountered an error:", err);
});
輸出
== Language detection sample ==
ID 0 - Primary language: English (iso6391 name: en)
ID 1 - Primary language: Chinese_Simplified (iso6391 name: zh_chs)
參考文件 | 更多樣本 | 套件 (PyPi) | 程式庫原始程式碼
使用此快速入門，透過適用於 Python 的用戶端程式庫來建立語言偵測應用程式。 在下列範例中，您會建立 Python 應用程式，以識別撰寫文字範例的語言。
提示
您可以使用 Language Studio 嘗試語言服務功能，而無須撰寫程式碼。
必要條件
- Azure 訂用帳戶 - 建立免費帳戶
- Python 3.8 或更新版本
設定
建立 Azure 資源
您必須部署 Azure 資源，才能使用下列程式碼範例。 此資源將包含金鑰和端點，供您用來驗證您傳送至語言服務的 API 呼叫。
使用下列連結，以透過 Azure 入口網站建立語言資源。 您必須使用 Azure 訂用帳戶進行登入。
在所出現的 [選取其他功能] 畫面上，選取 [繼續以建立您的資源]。
在 [建立語言] 畫面中，提供下列資訊：
詳細資料 描述 訂用帳戶 資源將要建立關聯的訂用帳戶。 從下拉式功能表中選取您的 Azure 訂用帳戶。 資源群組 資源群組是一個容器，當中會儲存您所建立的資源。 選取 [新建] 來建立新的資源群組。 區域 語言資源的位置。 區域不同可能會依據您的實體位置而造成延遲，但不會影響您資源執行階段的可用性。 在本快速入門中，請選取您鄰近的可用區域，或選擇 [美國東部]。 名稱 語言資源的名稱。 此名稱也會用來建立端點 URL，供您的應用程式用來傳送 API 要求。 定價層 語言資源的定價層。 您可以使用 [免費 F0] 層來試用服務，之後可升級至付費層以用於實際執行環境。
請確定已核取 [負責任 AI 通知] 核取方塊。
選取頁面底部的 [檢閱 + 建立]。
在所出現的畫面中，確定驗證已通過，且您已輸入正確的資訊。 然後選取建立。
取得金鑰和端點
接下來，您將需要來自資源的金鑰與端點，以將應用程式連線至該 API。 您稍後會在快速入門中將金鑰和端點貼到程式碼中。
成功部署語言資源後，按一下 [後續步驟] 下的 [前往資源]。
在資源的畫面上，選取左側導覽功能表上的 [金鑰和端點]。 在下列步驟中，您將使用其中一個金鑰和端點。
建立環境變數
您的應用程式必須經過驗證後，才能傳送 API 要求。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。
提示
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。
若要設定語言資源金鑰的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
- 若要設定
LANGUAGE_KEY環境變數，請將your-key取代為您資源的其中一個金鑰。 - 若要設定
LANGUAGE_ENDPOINT環境變數，請將your-endpoint取代為您資源的端點。
setx LANGUAGE_KEY your-key
setx LANGUAGE_ENDPOINT your-endpoint
注意
如果您只需要存取目前執行中主控台的環境變數，您可以使用 set (而不是 setx) 來設定環境變數。
新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的執行中程式，包括主控台視窗。 例如，如果您使用 Visual Studio 做為編輯器，請在執行範例前重新啟動 Visual Studio。
安裝用戶端程式庫
安裝 Python 之後，您可以透過以下項目安裝用戶端程式庫：
pip install azure-ai-textanalytics==5.2.0
程式碼範例
建立新的 Python 檔案，並複製下列程式碼。 然後執行程式碼。
# This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
language_key = os.environ.get('LANGUAGE_KEY')
language_endpoint = os.environ.get('LANGUAGE_ENDPOINT')
from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential
# Authenticate the client using your key and endpoint
def authenticate_client():
ta_credential = AzureKeyCredential(language_key)
text_analytics_client = TextAnalyticsClient(
endpoint=language_endpoint,
credential=ta_credential)
return text_analytics_client
client = authenticate_client()
# Example method for detecting the language of text
def language_detection_example(client):
try:
documents = ["Ce document est rédigé en Français."]
response = client.detect_language(documents = documents, country_hint = 'us')[0]
print("Language: ", response.primary_language.name)
except Exception as err:
print("Encountered exception. {}".format(err))
language_detection_example(client)
輸出
Language: French
使用本快速入門，使用 REST API 傳送語言偵測要求。 在下列範例中，您將使用 cURL 來識別文字範例所撰寫的語言。
必要條件
- Azure 訂用帳戶 - 建立免費帳戶
設定
建立 Azure 資源
您必須部署 Azure 資源，才能使用下列程式碼範例。 此資源將包含金鑰和端點，供您用來驗證您傳送至語言服務的 API 呼叫。
使用下列連結，以透過 Azure 入口網站建立語言資源。 您必須使用 Azure 訂用帳戶進行登入。
在所出現的 [選取其他功能] 畫面上，選取 [繼續以建立您的資源]。
在 [建立語言] 畫面中，提供下列資訊：
詳細資料 描述 訂用帳戶 資源將要建立關聯的訂用帳戶。 從下拉式功能表中選取您的 Azure 訂用帳戶。 資源群組 資源群組是一個容器，當中會儲存您所建立的資源。 選取 [新建] 來建立新的資源群組。 區域 語言資源的位置。 區域不同可能會依據您的實體位置而造成延遲，但不會影響您資源執行階段的可用性。 在本快速入門中，請選取您鄰近的可用區域，或選擇 [美國東部]。 名稱 語言資源的名稱。 此名稱也會用來建立端點 URL，供您的應用程式用來傳送 API 要求。 定價層 語言資源的定價層。 您可以使用 [免費 F0] 層來試用服務，之後可升級至付費層以用於實際執行環境。
請確定已核取 [負責任 AI 通知] 核取方塊。
選取頁面底部的 [檢閱 + 建立]。
在所出現的畫面中，確定驗證已通過，且您已輸入正確的資訊。 然後選取建立。
取得金鑰和端點
接下來，您將需要來自資源的金鑰與端點，以將應用程式連線至該 API。 您稍後會在快速入門中將金鑰和端點貼到程式碼中。
成功部署語言資源後，按一下 [後續步驟] 下的 [前往資源]。
在資源的畫面上，選取左側導覽功能表上的 [金鑰和端點]。 在下列步驟中，您將使用其中一個金鑰和端點。
建立環境變數
您的應用程式必須經過驗證後，才能傳送 API 要求。 在生產環境中，請運用安全的方式來儲存和存取您的登入資訊。 在此範例中，您會在執行應用程式的本機電腦上將認證寫入環境變數。
提示
請勿在程式碼中直接包含索引碼，且切勿公開張貼索引碼。 如需更多驗證選項 (例如 Azure Key Vault)，請參閱 Azure AI 服務安全性文章。
若要設定語言資源金鑰的環境變數，請開啟主控台視窗，並遵循作業系統和開發環境的指示進行。
- 若要設定
LANGUAGE_KEY環境變數，請將your-key取代為您資源的其中一個金鑰。 - 若要設定
LANGUAGE_ENDPOINT環境變數，請將your-endpoint取代為您資源的端點。
setx LANGUAGE_KEY your-key
setx LANGUAGE_ENDPOINT your-endpoint
注意
如果您只需要存取目前執行中主控台的環境變數，您可以使用 set (而不是 setx) 來設定環境變數。
新增環境變數之後，您可能需要重新啟動任何需要讀取環境變數的執行中程式，包括主控台視窗。 例如，如果您使用 Visual Studio 做為編輯器，請在執行範例前重新啟動 Visual Studio。
使用範例要求本文來建立 JSON 檔案
在程式碼編輯器中，建立名為 test_languagedetection_payload.json 的新檔案，並複製下列 JSON 範例。 在下一個步驟中，會將此範例要求傳送至 API。
{
"kind": "LanguageDetection",
"parameters": {
"modelVersion": "latest"
},
"analysisInput":{
"documents":[
{
"id":"1",
"text": "This is a document written in English."
}
]
}
}
將 test_detection_payload.json 儲存在電腦上的某個位置。 例如，您的桌面。
傳送語言偵測要求
使用下列命令，透過您正在使用的程式來傳送 API 要求。 將命令複製到終端機，然後執行該命令。
| parameter | 描述 |
|---|---|
-X POST <endpoint> |
指定用於存取 API 的端點。 |
-H Content-Type: application/json |
用於傳送 JSON 資料的內容類型。 |
-H "Ocp-Apim-Subscription-Key:<key> |
指定用於存取 API 的金鑰。 |
-d <documents> |
JSON，其中包含您想要傳送的文件。 |
將 test_languagedetection_payload.json 儲存在電腦上的某個位置。 例如，您的桌面。
傳送語言偵測 API 要求
使用下列命令，透過您正在使用的程式來傳送 API 要求。 將命令複製到終端機，然後執行該命令。
| 參數 | 描述 |
|---|---|
-X POST <endpoint> |
指定用於存取 API 的端點。 |
-H Content-Type: application/json |
用於傳送 JSON 資料的內容類型。 |
-H "Ocp-Apim-Subscription-Key:<key> |
指定用於存取 API 的金鑰。 |
-d <documents> |
JSON，其中包含您想要傳送的文件。 |
將 C:\Users\<myaccount>\Desktop\test_languagedetection_payload.json 取代為您在上一個步驟中所建立範例 JSON 要求檔案的位置。
命令提示字元
curl -X POST "%LANGUAGE_ENDPOINT%/language/:analyze-text?api-version=2023-11-15-preview" ^
-H "Content-Type: application/json" ^
-H "Ocp-Apim-Subscription-Key: %LANGUAGE_KEY%" ^
-d "@C:\Users\<myaccount>\Desktop\test_languagedetection_payload.json"
PowerShell
curl.exe -X POST $env:LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2023-11-15-preview `
-H "Content-Type: application/json" `
-H "Ocp-Apim-Subscription-Key: $env:LANGUAGE_KEY" `
-d "@C:\Users\<myaccount>\Desktop\test_languagedetection_payload.json"
使用下列命令，透過您正在使用的程式來傳送 API 要求。 將 /home/mydir/test_detection_payload.json 取代為您在上一個步驟中所建立範例 JSON 要求檔案的位置。
curl -X POST $LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2023-11-15-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: $LANGUAGE_KEY" \
-d "@/home/mydir/test_detection_payload.json"
JSON 回應
{
"kind": "LanguageDetectionResults",
"results": {
"documents": [
{
"id": "1",
"detectedLanguage": {
"name": "English",
"iso6391Name": "en",
"confidenceScore": 1.0,
"script": "Latin",
"scriptCode": "Latn"
},
"warnings": []
}
],
"errors": [],
"modelVersion": "2023-12-01"
}
}
使用下列命令來刪除您針對此快速入門建立的環境變數。
清除資源
如果您想要清除和移除 Azure AI 服務訂用帳戶，則可以刪除資源或資源群組。 刪除資源群組也會刪除與其相關聯的任何其他資源。
下一步
意見反應
即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應