Question

我需要python中的拼写检查器。我看过以前的答案，它们似乎都已经过时或不适用：

Python spell checker using a trie这个问题是关于数据结构的。

Python Spell Checker这是一个拼写校正器，有两个字符串。

http://norvig.com/spell-correct.html经常被引用并且很有趣，但还是一个拼写校正器，尽管我可能会结合使用检查器，但准确性还不够好。

Spell Checker for Python使用不再被维护的pyenchant。

我需要的一些细节：

接受字符串（单词）并返回布尔值的函数，该单词是否为无效的英语。单元测试希望输入“ car”为True，输入“ ijjk”为False。
精度必须高于90％，但不能高于此水平。我只是用它来在文档分类的预处理过程中排除单词。无论如何，大多数错误都会被发现，因为出现的单词很少（尽管不是全部）。拼写校正并非在所有情况下都有效，因为很多错误是OCR问题，距离无法解决。
如果它可以处理法律条款，那将是一个很大的优势。否则，我可能需要手动向词典中添加某些术语。

这里最好的方法是什么？是否有任何维护的库？我需要下载字典并进行核对吗？

Answer 1

2个最近的Python库，均基于针对任务优化的Levenshtein最小编辑距离：

应该提到的是，上面的symspellpy链接是原始SymSpell C＃实现its description is here的Python端口。原始的SymSpell Github存储库包括a dictionary with word frequencies。

Spello包含有关30K新闻和30K Wikipedia文章的基本预训练模型。但是最好在您的域中的自定义语料库上对其进行训练。

Answer 2

如果您需要按单词进行简单检查，则只需要单词集（最好与您的术语相匹配），将其读入python set中，然后对每个单词进行成员资格检查即可。

一旦/如果您对此天真的实现有疑问，将深入研究具体问题。

Answer 3

您可以在Python中使用专用的拼写检查库，称为enchant

要检查一个单词的拼写是否正确，即该单词是否存在于英语中，您要做的就是：

import enchant
d = enchant.Dict("en_US")
d.check("scienc")

这将给出输出：

False

关于这个库最好的部分是它建议单词的正确拼写。例如：

d.suggest("scienc")

将给出输出：

['science', 'scenic', 'sci enc', 'sci-enc', 'scientist']

此库中有更多功能。例如，在上面的示例代码中，我使用了美国英语语料库（“ en_US”）。您可以使用其他英语语料库，例如“ en_AU”代表澳大利亚英语，“ en_CA”，“ en_GB”代表加拿大和英国，仅举几例。还提供非英语支持，例如法语的“ fr_FR”！

对于高级用法，该库可用于根据自定义单词列表检查单词（如果您有一组专有名词，此功能将派上用场）。这只是一个列出要考虑的单词的文件，每行一个单词。以下示例为存储在“ my_custom_words.txt”中的个人单词列表创建Dict对象：

custom_d = enchant.request_pwl_dict("my_custom_words.txt")

要查看更多功能及其其他方面，请参阅： http://pyenchant.github.io/pyenchant/