个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
25
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python实现单词拼写检查由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
这几天在翻旧代码时发现以前写的注释部分有很多单词拼写错误，这些单词错得不算离谱，应该可以用工具自动纠错绝大部分。用 Python 写个拼写检查脚本很容易，如果能很好利用 aspell/ispell 这些现成的小工具就更简单了.
要点 。
1、输入一个拼写错误的单词，调用 aspell -a 后得到一些候选正确单词，然后用距离编辑进一步嗮选出更精确的词。比如运行 aspell -a，输入 ‘hella' 后得到如下结果： hell, Helli, hello, heal, Heall, he'll, hells, Heller, Ella, Hall, Hill, Hull, hall, heel, hill, hula, hull, Helga, Helsa, Bella, Della, Mella, Sella, fella, Halli, Hally, Hilly, Holli, Holly, hallo, hilly, holly, hullo, Hell's, hell's 。
2、什么是距离编辑（Edit-Distance，也叫 Levenshtein algorithm）呢？就是说给定一个单词，通过多次插入、删除、交换、替换单字符的操作后枚举出所有可能的正确拼写，比如输入 ‘hella'，经过多次插入、删除、交换、替换单字符的操作后变成： ‘helkla', ‘hjlla', ‘hylla', ‘hellma', ‘khella', ‘iella', ‘helhla', ‘hellag', ‘hela', ‘vhella', ‘hhella', ‘hell', ‘heglla', ‘hvlla', ‘hellaa', ‘ghella', ‘hellar', ‘heslla', ‘lhella', ‘helpa', ‘hello', … 。
3、综合上面2个集合的结果，并且考虑到一些理论知识可以提高拼写检查的准确度，比如一般来说写错单词都是无意的或者误打，完全错的单词可能性很小，而且单词的第一个字母一般不会拼错。所以可以在上面集合里去掉第一个字母不符合的单词，比如：'Sella', ‘Mella', khella', ‘iella' 等，这里 VPSee 不删除单词，而把这些单词从队列里取出来放到队列最后（优先级降低），所以实在匹配不了以 h 开头的单词才去匹配那些以其他字母开头的单词.
4、程序中用到了外部工具 aspell，如何在 Python 里捕捉外部程序的输入和输出以便在 Python 程序里处理这些输入和输出呢？Python 2.4 以后引入了 subprocess 模块，可以用 subprocess.Popen 来处理.
5、Google 大牛 Peter Norvig 写了一篇 How to Write a Spelling Corrector 很值得一看，大牛就是大牛，21行 Python 就解决拼写问题，而且还不用外部工具，只需要事先读入一个词典文件。本文程序的 edits1 函数就是从牛人家那里 copy 的.
代码 。
。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
|
#!/usr/bin/python
# A simple spell checker
import
os, sys, subprocess, signal
alphabet
=
'abcdefghijklmnopqrstuvwxyz'
def
found(word, args, cwd
=
None
, shell
=
True
):
child
=
subprocess.Popen(args,
shell
=
shell,
stdin
=
subprocess.PIPE,
stdout
=
subprocess.PIPE,
cwd
=
cwd,
universal_newlines
=
True
)
child.stdout.readline()
(stdout, stderr)
=
child.communicate(word)
if
": "
in
stdout:
# remove \n\n
stdout
=
stdout.rstrip(
"\n"
)
# remove left part until :
left, candidates
=
stdout.split(
": "
,
1
)
candidates
=
candidates.split(
", "
)
# making an error on the first letter of a word is less
# probable, so we remove those candidates and append them
# to the tail of queue, make them less priority
for
item
in
candidates:
if
item[
0
] !
=
word[
0
]:
candidates.remove(item)
candidates.append(item)
return
candidates
else
:
return
None
# copy from http://norvig.com/spell-correct.html
def
edits1(word):
n
=
len
(word)
return
set
([word[
0
:i]
+
word[i
+
1
:]
for
i
in
range
(n)]
+
[word[
0
:i]
+
word[i
+
1
]
+
word[i]
+
word[i
+
2
:]
for
i
in
range
(n
-
1
)]
+
[word[
0
:i]
+
c
+
word[i
+
1
:]
for
i
in
range
(n)
for
c
in
alphabet]
+
[word[
0
:i]
+
c
+
word[i:]
for
i
in
range
(n
+
1
)
for
c
in
alphabet])
def
correct(word):
candidates1
=
found(word,
'aspell -a'
)
if
not
candidates1:
print
"no suggestion"
return
candidates2
=
edits1(word)
candidates
=
[]
for
word
in
candidates1:
if
word
in
candidates2:
candidates.append(word)
if
not
candidates:
print
"suggestion: %s"
%
candidates1[
0
]
else
:
print
"suggestion: %s"
%
max
(candidates)
def
signal_handler(signal, frame):
sys.exit(
0
)
if
__name__
=
=
'__main__'
:
signal.signal(signal.SIGINT, signal_handler)
while
True
:
input
=
raw_input
()
correct(
input
)
|
更简单的方法 。
当然直接在程序里调用相关模块最简单了，有个叫做 PyEnchant 的库支持拼写检查，安装 PyEnchant 和 Enchant 后就可以直接在 Python 程序里 import 了:
|
1
2
3
4
5
6
7
8
9
|
>>>
import
enchant
>>> d
=
enchant.
Dict
(
"en_US"
)
>>> d.check(
"Hello"
)
True
>>> d.check(
"Helo"
)
False
>>> d.suggest(
"Helo"
)
[
'He lo'
,
'He-lo'
,
'Hello'
,
'Helot'
,
'Help'
,
'Halo'
,
'Hell'
,
'Held'
,
'Helm'
,
'Hero'
,
"He'll"
]
>>>
|
。
最后此篇关于Python实现单词拼写检查的文章就讲到这里了,如果你想了解更多关于Python实现单词拼写检查的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
25
4
0
我有以下数据框 (df_hvl)，列名“FzListe”和以下数据: FzListe 7MA1, 7OS1 7MA1, 7ZJB 7MA2, 7MA3, 7OS1 76G1, 7MA1, 7OS1 7
我有点小问题。仅当尝试写入的相同字符串/单词不存在时，我才想写入文件。在我的例子中，它是一个 IP 地址和端口，用“:”分隔。如果我手动写入文件，例如 193...:80 和 193...:22，它指
如何返回结果列中的单词示例？ 我得到的最接近的是 [\W]{2,}[^,\W].+[?=,] ID 文本 我的结果(完全匹配) 预期(完全匹配) 1 词A，世界B，词C , 世界 B, 字B 2 wo
我想在引号之间得到一个字符串 我知道一个解决方案是: /'.*?'/ 但问题是它不适用于英语中的所有格或收缩格 例如: What is the name of Mario's brother in t
我应该在句子中找到出现最多的单词。 这是我尝试过的，但不起作用。 '); $max = -1; $resultWords = array(); $resultCount = array(); $i =
我是vim的新手。我正在尝试练习(最近阅读了一些教程)，但是我发现我不能不突出显示“复制粘贴”中的字符/单词/行。 在Textmate中，我通常使用SHIFT + CTRL + LeftArrowKe
有谁知道一个JSON格式的英语词典，该词典具有(单词，定义和单词类型，例如名词/形容词/动词/副词) 这种格式: [ {"Word" : "Chair", "Definition" : "A
我正在做一些 javascript，同时我注意到我无法替换 html 标记内的“ document.getElementById('label').innerHTML = document.get
您好，我正在使用 groovy 2.1.5，我必须编写一个代码来显示具有给定路径的目录的内容/文件，然后它会备份文件并替换文件中的单词/字符串。 这是我用来尝试替换所选文件中的单词的代码 String
我正在准备一个实验，我想使用python编写程序以识别参与者说出的某些单词。 我在python中搜索了很多有关语音识别的内容，但结果却很复杂(例如CMUSphinx)。 我要实现的是一个程序，该程序接
假设我有以下代码: $size = 23.9 $size = "$size GB" write $size 我想在其他事情上使用相同的变量，即 if ($size -lt 20) {...} 这显然是
我想替换字符串中单词 Date 的所有情况，除非它是 Date()(即 Date 后跟括号)。这是一个字符串示例以及我最初尝试的内容: x gsub("Date", paste("Date:", S
我对 Java 和编程都很陌生，请记住这一点，请不要对我严厉 ^^。接下来，我最近用 Java 进行了一些培训，我喜欢这个挑战，但现在我只是陷入困境。我做了一些示例来查找用户输入的最大字符串，一切都很
我必须给一个数字x，并写x个字符串(单词)。我必须找到写得最多的那一篇。它可以工作，但是当我尝试从文件中读取它时，却没有。例如，如果我执行 a.out'' #include #include in
这里是学习者，如果这个问题看起来很荒谬，请多多包涵。假设我试图引用字符串中的字符而不是字符串本身，我该怎么做呢？我的意思是; 给定:var str = "我想知道一个大脑分散的计算机如何保持理智" 我
这是阿克沙塔。我一直在解析以下数据。我想单独获取每个单词。我可以有一个示例代码以便我可以继续吗 RTRV-HDR RH01 SIMULATOR 09-11-18 16 13 19 M R
我有一个任意字符串，它总是包含至少一个英文单词后跟一系列数字:"Hello World 1234" 我如何只提取 "Hello World" 来自字符串？ 最佳答案 在我看来你需要反正则表达式: St
我正在尝试输入一个四个单词的句子，然后能够使用indexOf和子字符串单独打印出每个单词。有什么想法我做错了吗？ 已编辑 那么这就是它应该的样子吗？我已经运行了两次，得到了两个不同的答案，所以我不确定
如何在文本开头查找短语(单词) 我需要非常快速的解决方案来查明文本是否以某些已知短语开头 我在 Mysql (innodb) 表中的短语如下: CREATE TABLE IF NOT EXISTS `
我在 MYSQL 表中有一本字典，该表由 240 000 个单词组成。例如，如果我有字母 G、I、G、S、N> 和 O 我想选择表中包含所有或部分这些字母(并且没有其他字母)的所有单词。 可接受的词语
我是一名优秀的程序员,十分优秀！