在本地机器上利用拼写检查器？

Question

我注意到给定机器（Mac、Linux 或 Windows）上的常见应用程序都有各自的拼写检查器。 从各种 IDE，到 MS Word/Office，再到笔记软件，应有尽有。

我正在尝试利用我们各自机器的内置实用程序来分析字符串的语法正确性。 似乎我不能只使用机器上的内容，并且可能不得不下载一个字典来进行比较。

我不确定是否有更好的方法来实现这一点。 我正在考虑尝试在本地做事，但我并不反对通过 api 或 curl 请求来确定字符串中的单词是否拼写正确。

我在看：

• LanguageTool（ hello wrold返回错误失败）
• Google 的 tbproxy 似乎不起作用
• Dictionary / Meriam-Webster 需要 api 密钥来实现自动化。

我正在查看 Node 包，并注意到拼写检查模块也封装了单词表。

有没有办法完全利用内置的机器字典，或者如果我下载字典/词表进行比较是否理想？

我认为单词表可能是最好的选择，但我不想重新发明轮子。 其他人做了什么来实现类似的目标？

Answer 1

功劳归于 Lukas Knuth。 我想给出一个明确的如何使用字典和 nspell 的方法。

安装以下2个依赖：

npm install nspell dictionary-en-us

这是我为了解决问题而编写的示例文件。

// Node File

//  node spellcheck.js [path]
//  path: [optional] either absolute or local path from pwd/cwd

//  if you run the file from within Seg.Ui.Frontend/ it works as well.
//    node utility/spellcheck.js
//  OR from the utility directory using a path:
//    node spellcheck.js ../src/assets/i18n/en.json

var fs = require("fs");
var dictionary = require("dictionary-en-us");
var nspell = require("nspell");
var process = require("process");
// path to use if not defined.
var path = "src/assets/i18n/en.json"

let strings = [];
function getStrings(json){
    let keys = Object.keys(json);
    for (let idx of keys){
        let val = json[idx];
        if (isObject(val)) getStrings(val);
        if (isString(val)) strings.push(val)
    }
}

function sanitizeStrings(strArr){
    let set = new Set();
    for (let sentence of strArr){
        sentence.split(" ").forEach(word => {
            word = word.trim().toLowerCase();
            if (word.endsWith(".") || word.endsWith(":") || word.endsWith(",")) word = word.slice(0, -1);
            if (ignoreThisString(word)) return;
            if (word == "") return;
            if (isNumber(word)) return;
            set.add(word)
        });
    }
    return [ ...set ];
}

function ignoreThisString(word){
    // we need to ignore special cased strings, such as items with
    //  Brackets, Mustaches, Question Marks, Single Quotes, Double Quotes
    let regex = new RegExp(/[\{\}\[\]\'\"\?]/, "gi");
    return regex.test(word);
}

function spellcheck(err, dict){
    if (err) throw err;
    var spell = nspell(dict);
    let misspelled_words = strings.filter( word => {
        return !spell.correct(word)
    });
    misspelled_words.forEach( word => console.log(`Plausible Misspelled Word: ${word}`))
    return misspelled_words;
}

function isObject(obj) { return obj instanceof Object }
function isString(obj) { return typeof obj === "string" }
function isNumber(obj) { return !!parseInt(obj, 10)}

function main(args){
    //node file.js path
    if (args.length >= 3) path = args[2]
    if (!fs.existsSync(path)) {
        console.log(`The path does not exist: ${process.cwd()}/${path}`);
        return;
    }
    var content = fs.readFileSync(path)
    var json = JSON.parse(content);
    getStrings(json);
    // console.log(`String Array (length: ${strings.length}): ${strings}`)
    strings = sanitizeStrings(strings);
    console.log(`String Array (length: ${strings.length}): ${strings}\n\n`)

    dictionary(spellcheck);
}
main(process.argv);

这将返回要查看的字符串子集，它们可能拼写错误或误报。

误报将表示为：

• 首字母缩略词
• 单词的非美国英语变体
• 例如，未识别的专有名词、星期几和月份。
• 包含括号的字符串。 这可以通过将它们从单词中删除来增强。

显然，这并不适用于所有情况，但我添加了一个忽略此字符串函数，如果它包含开发人员想要忽略的特殊单词或短语，您可以利用它。

这意味着作为节点脚本运行。

Answer 2

您的问题被标记为 NodeJS 和 Python。 这是 NodeJS 特定的部分，但我想它与 python 非常相似。

---

Windows（从 Windows 8 开始）和 Mac OS X 确实有内置的拼写检查引擎。

• Windows：“Windows 拼写检查 API”是一个 C/C++ API。 要将它与 NodeJS 一起使用，您需要创建一个绑定。
• Mac OS X：“NSSpellChecker”是 AppKit 的一部分，用于 GUI 应用程序。 这是一个Objective-C API，因此您需要再次创建一个绑定。
• Linux：这里没有“特定于操作系统的”API。 大多数应用程序使用 Hunspell，但也有其他选择。 这又是一个 C/C++ 库，因此需要绑定。

幸运的是，已经有一个名为拼写检查器的模块，它具有上述所有功能的绑定。 这将使用其安装平台的内置系统，但有多个缺点：

1) 必须构建本机扩展。 这个已经通过 node-pre-gyp 完成了二进制文件，但这些需要为特定平台安装。 如果你在 Mac OS X 上开发，运行npm install来获取包，然后在 Linux 上部署你的应用程序（使用node_modules ），它不会工作。

2) 使用内置拼写检查将使用操作系统规定的默认值，这可能不是您想要的。 例如，使用的语言可能由所选的操作系统语言决定。 对于 UI 应用程序（例如使用 Electron 构建），这可能没问题，但如果您想使用操作系统语言以外的语言进行服务器端拼写检查，则可能会很困难。

---

在基本层面，拼写检查一些文本归结为：

1. 标记字符串（例如通过空格）
2. 根据已知正确单词列表检查每个标记
3. （奖励）收集错误令牌的建议并为用户提供选项。

您可以自己编写第 1 部分。 第 2 部分和第 3 部分需要“已知正确单词列表”或字典。 幸运的是，已经有一种格式和工具可以使用它：

• simple-spellchecker可以使用.dic文件。
• nspell是 Hunspell 的 JS 实现，带有自己的字典包。
• 例如，可以在此 repo 中找到其他词典

有了这个，你就可以选择语言，你不需要构建/下载任何本机代码，你的应用程序将在每个平台上运行相同。 如果您在服务器上进行拼写检查，这可能是您最灵活的选择。