aspell - Hunspell/Aspell 数据转换为人类可读的屈折列表

Question

有没有一种简单的方法可以从 Hunspell/Aspell 字典数据文件中生成人类可读的屈折列表？

例如，我想生成以下输出(针对不同的语言):

...

书，书

预订，预订，预订，预订

...

去，去，去，去，去

...

我查看了 Hunspell/Aspell 文档，但找不到可以执行此操作的 API 调用。

Answer 1

有一种命令行可以执行的方法，但它的输出格式与您要查找的格式不同。如果您愿意，您也可以手动执行此操作，只需使用正则表达式编写一些简单的脚本即可。

每组词缀的格式是

TYPE TAG REMOVE REPLACE MATCH

这样哪里 TAG匹配后面的内容 /在给定的词中 .dic文件，您可以执行以下操作(假设您已经删除了 /... 的单词):

if($word =~/$match$/) $word =~ s/$remove$/$replace/;

请注意 $那里匹配行尾/单词。用 ^ 调整如果是前缀。

有以下三个注意事项:

$match 直接来自 .aff文件几乎在所有情况下都等同于标准正则表达式。有一些细微的变化，例如如果匹配类似于 [abc-gh] ，你最好把它改成(a|b|c|-|g|h)或 [abcgh-] (hunspell 不使用连字符作为元字符)否则它会被解释为 [abcdefgh] (标准正则表达式)。对于否定字符类，您的选择是手动移动 -到表达式的末尾(例如 [^a-df] 到 [^adf-] 或使用否定的后视。

如果 $replace 为 0，那么您应该将其更改为空字符串。

如果您的结果以 /... 结尾，你需要重新处理它，因为它有一个双词缀。

当心。根据我的粗略计算，我正在编写的字典可能有超过 5000 万个单词(如果超过 1 亿，我不会感到惊讶)。