Question

我正在使用NHunspell检查字符串是否存在拼写错误，如下所示：

var words = content.Split(' ');
string[] incorrect;
using (var spellChecker = new Hunspell(affixFile, dictionaryFile))
{
    incorrect = words.Where(x => !spellChecker.Spell(x))
        .ToArray();
}

这通常有效，但它有一些问题。例如，如果我正在检查句子“这是一个（非常好的）示例”，它将报告“（非常”和“好”）拼写错误。或者，如果字符串包含诸如“8:30”之类的时间，则会将其报告为拼写错误的单词。它也有逗号等问题。

Microsoft Word非常智能，能够识别时间，分数或逗号分隔的单词列表。它知道何时不使用英语词典，它知道何时忽略符号。如何在我的软件中获得类似的，更智能的拼写检查？有没有提供更多情报的图书馆？

编辑：我不想强迫用户在他们的机器上安装Microsoft Word，因此使用COM互操作不是一种选择。

Answer 1

如果你的拼写检查真的那么愚蠢，你应该预先标记它的输入以获取单词并一次提供这些单词（或者作为一个用空格连接的字符串）。我不熟悉C＃/ .NET，但在Python中，你会使用像\w+之类的简单RE：

>>> s = "This is a (very good) example"
>>> re.findall(r"\w+", s)
['This', 'is', 'a', 'very', 'good', 'example']

我打赌.NET有一些非常相似的东西。事实上，根据.NET docs，支持\w，因此您只需要了解re.findall在那里的调用方式。

Answer 2

using System.Text.RegularExpressions;
...
// any occurence of ( and ) (maybe needs escaping)
string pattern = "( (\\.? | )\\.? )"; 
foreach(string i in incorrect){
  Regex.Replace(i, pattern, String.Empty) // replace with String.Empty
}

有关正则表达式here的更多信息。在我阅读this后，我认为Hunspell是最好的选择之一：）

Answer 3

在C＃中，你可以做这样的事情。

public static class ExtensionHelper
{
    public static string[] GetWords(this string input)
    {
        MatchCollection matches = Regex.Matches(input, @"\b[\w']*\b");

        var words = from m in matches.Cast<Match>()
                    where !string.IsNullOrEmpty(m.Value)
                    select TrimSuffix(m.Value);

        return words.ToArray();
    }

    public static string TrimSuffix(this string word)
    {
        int apostropheLocation = word.IndexOf('\'');
        if (apostropheLocation != -1)
        {
            word = word.Substring(0, apostropheLocation);
        }

        return word;
    }
}

var NumberOfMistakes = content.GetWords（）。Where（x =＆gt;！hunspell.Spell（x））。Count（）;

智能拼写检查

3 个答案: