要构建一个跨语言文本分类器，可以使用TextBlob库结合机器翻译服务来实现。首先，您需要使用TextBlob库来训练一个文本分类器，并将其保存为一个模型。然后，您可以使用机器翻译服务将输入文本翻译为模型训练时使用的语言，然后再将翻译后的文本输入到模型中进行分类。
以下是一个使用TextBlob和Google翻译API构建跨语言文本分类器的示例代码：
```python
from textblob import TextBlob
from googletrans import Translator
# 训练一个文本分类器
train_data = [
('This is a cat', 'animal'),
('This is a dog', 'animal'),
('This is a car', 'vehicle'),
('This is a bike', 'vehicle')
]
classifier = TextBlob(train_data)
# 使用Google翻译API进行翻译
translator = Translator()
def translate_text(text, dest='en'):
translated = translator.translate(text, dest=dest)
return translated.text
# 输入需要分类的文本
input_text = '这是一辆汽车'
# 将文本翻译为训练数据集的语言（英语）
translated_text = translate_text(input_text, dest='en')
# 使用分类器进行分类
classified = classifier.classify(translated_text)
print('分类结果:', classified)
```
请注意，这只是一个简单的示例，实际应用中可能需要更复杂的模型和更多的训练数据来获得更好的分类结果。同时，使用机器翻译服务可能会导致一些误差，因此在实际应用中需要谨慎处理翻译带来的不确定性。