语言检测模拟器

工具基于Unicode字符范围映射技术。每个字符在Unicode标准中都有唯一的码点（Code Point），不同语言的文字系统占据不同的Unicode区块。例如：
• 中文汉字：CJK统一表意文字（U+4E00–U+9FFF）
• 日文假名：平假名（U+3040–U+309F）、片假名（U+30A0–U+30FF）
• 韩文：韩文音节（U+AC00–U+D7AF）
• 阿拉伯文：U+0600–U+06FF
• 西里尔字母（俄语等）：U+0400–U+04FF
工具扫描文本中每个字符的码点，统计各语言范围字符的占比，从而推断语言类型。

英语、法语、德语、西班牙语、葡萄牙语等都使用拉丁字母，它们共享基本拉丁Unicode范围（U+0041–U+007A）。不过工具会进一步分析特殊字符来区分：
• 德语特有：ß、ä、ö、ü
• 法语特有：ç、œ、æ、â、ê、î、ô、û、ë、ï
• 西班牙语特有：ñ、¿、¡、á、é、í、ó、ú
• 葡萄牙语特有：ã、õ、ç、â、ê、ô
如果文本仅包含基本拉丁字母而无特殊字符，工具倾向于判断为英语（最通用的拉丁语系语言）。

中文和日文都使用CJK统一表意文字（汉字），但日文额外使用假名（平假名和片假名）。检测逻辑如下：
• 如果文本中同时出现汉字和假名 → 大概率是日文
• 如果文本中仅有汉字而无假名 → 更可能是中文
• 如果出现韩文音节字符 → 判断为韩文（即使混有汉字）
此外，标点符号也提供线索：中文常用顿号（、）和中文引号（「」），日文则常用独特的标点（〄〆）。

置信度基于各语言范围字符数占总有效字符数的比例计算。具体步骤：
1. 过滤掉空格、通用数字（0-9）、通用标点等语言无关字符
2. 将剩余字符按Unicode范围归类到对应语言
3. 计算每种语言字符数 ÷ 总有效字符数 = 置信度百分比
4. 按置信度降序排列展示
对于混合文本（如中英混排），工具会展示各语言的实际占比，反映真实的多语言混合情况。

Unicode是国际通用的字符编码标准，为全球所有文字系统中的每个字符分配唯一的数字码点。目前Unicode已收录超过14万个字符，覆盖150多种文字系统。它在语言检测中的重要性在于：
• 不同语言使用不同的Unicode区块，天然形成分类边界
• CJK统一表意文字区块包含中日韩共用的汉字
• 即使没有词典或语法分析，仅通过Unicode范围就能做出高准确率的语言猜测
• Unicode检测不受文本内容影响，速度快、无需网络，完全在浏览器本地完成

工具覆盖了主流文字系统，包括但不限于：
• 东亚：中文（简体/繁体）、日文、韩文
• 拉丁语系：英语、法语、德语、西班牙语、葡萄牙语、意大利语、越南语等
• 中东：阿拉伯语、希伯来语、波斯语
• 南亚：印地语（天城文）、泰米尔文、孟加拉文、缅甸文、高棉文、泰文
• 东欧/中亚：俄语（西里尔字母）、乌克兰语、蒙古文
• 其他：希腊文、表情符号（Emoji）、特殊符号
对于未覆盖的文字系统，工具会将其归类为"未知/其他"。