我正在实现可读性测试并且已经实现了检测可比性的简单算法。 检测元音的序列我用单词计算它们，例如单词“shoud”包含一个元音序列，即'ou'。在我计算它们之前，我正在删除像-les，-e，-ed这样的后缀（例如单词“like”包含一个音节但是两个元音序列，所以这个方法有效。）
但是... 考虑这些词/序列：
如何处理特殊字符？全部删除？大多数单词都可以，但不能用“n”和“x射线”。以及如何对待密码。
这些是特殊的单词案例，但我很高兴看到这个主题的一些经验或想法。
答案 0 :(得分：1)
我建议您首先确定您的数据中有多少是由这些词组成的，以及它对您的程序的整体性能有多重要。还要汇编一些最常出现的统计数据。
对于这个问题没有简单的正确解决方案，但我可以提出一些启发式方法：
'）之间的shouldn't似乎标志着一个音节的缩写'一侧带有元音或字边界（I'd，goin'）似乎没有这样做（但请注意goin'仍然是两个音节） n'在内的任何字词都至少有一个音节-）可以通过将双方的文本视为单独的单词来处理 3rd可以通过将序数写为单词的代码或更简单的启发式方法来处理。