文本解析：区分“字典单词”和名称

Question

我的英文和德文文本包含“词典单词”和名称。

  

e.g。 “......在佛罗伦萨画家莱昂纳多建造......”

我有一个Java程序，需要确定每个单词是否是相应语言的名称或单词。

  

e.g。 names = {...，Florence，Leonardo，...}，语言词= {...，In，the，painter，built，...}

我看到两种方法：

1. 使用相应的字典列表，将其加载到哈希结构中，查看单词是否在其中（语言单词）或不是（名称/拼写错误）。

   问题/问题：

   我找不到名称被排除在外的德语单词列表

   单词flexions（德语复杂）可能不在列表中

2. 使用服务/ api将单个单词翻译成另一种语言，查看单词是否被更改（语言单词）（名称/拼写错误）。

   问题/问题：

   也可以翻译

   名称，例如佛罗伦萨＆gt;佛罗伦斯

   我找不到离线词典列表/ api。因此，我认为使用在线服务是可行的方法，但谷歌翻译等大型服务并非免费。

当然，有些名字类似于字典单词，在这两种方法中，它们都被识别为字典单词，这很好。

主要问题是：是否有没有英文和德文名称的综合字典列表，最好是单词屈曲？

或者： 是否有免费（在线）API来完成任务？还有其他解决方案吗？

Answer 1

你可以通过检查第一个字母是否为大写来找到很多名字。在此之后，你将排除所有追踪句末字符{“。”，“！”，“？”}的那些。

假设它更像是一个故事，假设一个名字不止一次出现是非常安全的。使用您已经找到的所有名称，并根据句子结尾字符后出现的所有大写单词列表进行检查。添加那些平等的人。

第二部分应该只在你想要每一次出现时才能完成，而不仅仅是那些出现的部分。

至少，这就是我接近它的方式。

编辑：我对德语并不太熟悉，但我的方法确实会遇到德语问题。请参阅Joop Eggen针对该语言的解决方案。

Answer 2

是德语有点问题，因为非名词也被大写。

虽然有一种语言属性。虽然可以说“美丽的佛罗伦萨”（“drschöneFlorenz”），但对于个人名称，前面的文章/形容词的使用是非常罕见的。复数的例外，“Müllers”（“米勒斯”）也可以考虑。

所以你只需要一个地名列表等。

检测前面的文章/形容词（der / die / das / ...和-e / -en /-...）。