githubはプロジェクトの言語をどのように把握しますか？

Question

私は最近、JavaScriptとC++の両方でgithubプロジェクトに取り組んでいましたが、githubがプロジェクトにC++のタグを付けていることに気付きました。単一の言語を選択する必要がある場合、C++コードはJavaScriptライブラリとしてコンパイルされるため、これはおそらく正しい指定です。

Answer 1

nuclearsandwich （GitHubサポートチームまたは「supportocat」）による2013年4月の更新：

• ヘルプページ " 私のリポジトリは間違った言語としてマークされています "現在 linguist library を使用して言及しています=構文の強調表示およびレポ統計のファイル言語を決定します。 Linguistは特定のファイル名とパスを統計から除外します 特定のベンダーのファイルとディレクトリを除く 。

• ヘルプページ " なぜ私のお気に入りの言語が認識されないのですか？ "を追加：

希望する言語が構文の強調表示を受け取っていない場合は、Linguistライブラリに貢献して追加できます。

---

（元の回答、2012年10月）

この GitHubサポートのスレッド で説明しています：

各拡張子のファイルサイズを合計するだけです。最大のものが「勝ち」ます。

ファイルを開いてコンテンツを解析することは避けたいのですが、どちらもプロセスを遅くしますが...それがこのような競合を解決する唯一の方法かもしれません。

これは100％正確ではないため、追加する必要がありました。

私も、推測が間違っている場合には、単純な手動オーバーライドスイッチに投票します。

---

注： Mark Rushakoff が his answer （vovoted）で言及しているように、それ以降 linguistプロジェクト （6月からオープンソース化された2011）。
まだ問題があります： GitHub Linguist Issues 。
を参照してください 詳細はこちら ：

言語が検出されると、 Albino 、 Pygments ラッパーに渡され、実際の構文強調表示が行われます。

そして、 。gitattributesファイルに言語ディレクティブを追加できます 。

Answer 2

現在、Githubの 言語プロジェクト は、 このGithubブログの投稿 （この質問が最初に尋ねられてから数か月後に出された）で説明されているように、言語統計を決定するために使用されます。

Answer 3

最初に、 Linguist overrides を使用して、リポジトリ内のファイルに対して検出された言語をオーバーライドできることを知っている。

さて、一言で言えば、

1. 各リポジトリは、language statisticsの最初の言語でタグ付けされます。
2. 言語統計は、検出されたプログラミング言語またはマークアップ言語ごとに、ファイルの合計サイズをカウントします。 Vendored、ドキュメント、および生成されたファイルはカウントされません。
3. 各ファイルの言語は、オープンソースプロジェクトLinguistによって検出されます。

---

Linguistはどのように言語を検出しますか？

言語学者は 戦略に従う を順番に使用し、完全に一致する言語を返すとすぐに言語を返します（単一言語が返される戦略）。

1. EmacsおよびVimモードライン を探します。
2. 既知のファイル名。一部のファイル名は特定の言語に関連付けられています（ Makefile と考えてください）。
3. シバンを探してください。 #!/bin/bash Shebang はShellに分類されます。
4. 既知のファイル拡張子。言語には、一連の拡張機能が関連付けられています。ただし、この戦略には多くの矛盾があります。矛盾する結果（C++、C、Objective-Cの.h）は、後続の戦略によって改良されます。
5. ヒューリスティックルール のセット。通常、ファイルのコンテンツでは正規表現に依存して、言語を特定しようとします（例： ^[^#]+:- for Prolog ）。
6. サンプルファイル でトレーニングされた単純なベイズ分類器。最後の戦略、最低精度。ベイジアン分類器は、常に言語のサブセットを入力として受け取ります。すべての言語に分類するためのものではありません。分類子で見つかった最適な一致が返されます。

非ベンダーおよびドキュメントファイルとは何ですか？

言語学者は、一部のファイルをvendoredと見なします。つまり、言語統計に含まれていません。これらにはjQueryなどのサードパーティライブラリが含まれ、 vendor.yml 構成ファイル。 Linguist overrides を使用して、リポジトリ内のファイルをベンダーまたはアンベンダーすることもできます。

同様に、ドキュメントファイルは documentation.yml および Linguist overrides を使用して変更できます。

生成されたファイルはどのように検出されますか？

Linguistは、パスとファイルのコンテンツの両方を使用して、生成されたファイルを検出するために 単純な規則 に依存しています。生成されたファイルは言語統計にカウントされず、github.comの差分には表示されません。

プログラミング言語とマークアップ言語はどうですか？

言語学者では、各言語にタイプが与えられます。これらのタイプは、メイン構成ファイル languages.yml 。統計では、プログラミング言語とマークアップ言語のみがカウントされます。

Answer 4

linguist をいじくり回した後、これに気付きました。

Shebang のファイルの場合、言語を決定するときにシバンが考慮されますが、他に対して均等に重み付けされているようです tokens Shebangはファイルの言語を明確に定義する必要があるため、これは大きなエラーのようです。

これにより issues が強調表示されます。