如何使用 pyhunspell 向 .dic/.aff 文件添加新词？

Question

我正在使用 pyhunspell，它是 HunSpell 的 python 包装器，一个基于 .dic/.aff 文件的拼写检查器、词干分析器、单词分析器。 pyhunspell 的文档是 pyhunspell 的 found here. Unfortunately, the doc pages do not demonstrate how to add new words to the dictionary/extend the dictionary via Python script. However the source code 包含一个 add() 函数，但与其他函数不同的是，没有对 add() 的解释，例如这个函数需要什么参数。之前有没有人设法调用过这个函数，并且可以给我写一个如何使用这个 add() 函数的例子？

这是我想调用的函数的 C 源代码，但我的 C 语言太有限，无法理解这里发生的事情。

static PyObject *
HunSpell_add(HunSpell * self, PyObject *args)
{
    char *word;
    int retvalue;

    if (!PyArg_ParseTuple(args, "s", &word))
        return NULL;
    retvalue = Hunspell_add(self->handle, word);

    return Py_BuildValue("i", retvalue);
}

static PyObject *
HunSpell_add_with_affix(HunSpell * self, PyObject *args)
{
    char *word, *example;
    int retvalue;

    if (!PyArg_ParseTuple(args, "ss", &word, &example))
        return NULL;
    retvalue = Hunspell_add_with_affix(self->handle, word, example);

    return Py_BuildValue("i", retvalue);
}

谢谢。

更新：

正如@RedX 所暗示的那样，我尝试使用 1 或 2 个参数调用 add() 函数。这是我的发现：

例如，我使用 hu_HU（匈牙利语）词典文件（.dic 和 .aff），这是我需要为应用程序扩展专业领域词汇的文件。为了使示例对说英语的人透明，我选择了一个尚未包含在 hu_HU 词典中的名称 (McNamara)。由于匈牙利语是一种词法非常丰富的语言，所以我需要关心词的偏角，否则词干提取将不起作用。

McNamara 遵循与 Tamara 相同的偏角模式，这已经被识别并且可以被正确地阻止，例如对于单词 Tamarával ("with Tamara")

import hunspell

hobj = hunspell.HunSpell('/usr/share/hunspell/hu_HU.dic', '/usr/share/hunspell/hu_HU.aff')
stem = hobj.stem("Tamarával")
print(stem)

会输出['Tamara']，这是正确的。

现在，如果我尝试用新词和示例调用 add()：

import hunspell

hobj = hunspell.HunSpell('/usr/share/hunspell/hu_HU.dic', '/usr/share/hunspell/hu_HU.aff')
hobj.add("McNamara", "Tamara")

这会给我一个 TypeError: function takes exactly 1 argument (2 given)。然而@RedX 基于 C 代码的建议似乎合乎逻辑。

此外，如果我用一个参数调用 add("McNamara")，它似乎只会为当前会话添加新词，而不是为脚本的下一个运行添加新词，例如:

hobj.add("McNamara")
print(hobj.spell("McNamara"))

这会打印 True，但是下次我运行只有最后一行的脚本时，它会 return 一个 False。

Answer 1

您在 C 绑定代码中遗漏了一个细节。有两种不同的功能。

第一个是add，它将一个词添加到当前使用的字典中（仅用于运行时）。它允许您在其上调用 spell。
第二个是 add_with_affix，它允许您在字典中添加一个词并从另一个词中复制标志。

例如（处理法语口述）：

>>> hf.spell("pipoteuse")
False  # word not in the dict
>>> hf.stem("pipoteuses")  # try some classic plural stem
[]  # no stem
>>> hf.analyze("pipoteuse")
[]  # no analysis
>>> hf.add_with_affix("pipoteuse", "chanteuse")
0  # 0 = succesful operation
>>> hf.spell("pipoteuse")
True   # word in the dict now
>>> hf.analyze('pipoteuse')
[b' st:pipoteuse is:fem is:sg']  # flags copied from "chanteuse", is feminin singular and stem is itself (like chanteuse)
>>> hf.stem("pipoteuses")
[b'pipoteuse']  # now stem the plural of this fake word

一些 link 更新中：

新存储库在这里：https://github.com/blatinier/pyhunspell
最新版本 (0.4.0) 现在有一些适用于所有功能的 pydoc。（虽然没有在线文档）

如何使用 pyhunspell 向 .dic/.aff 文件添加新词？

How to add a new word to .dic/.aff files with pyhunspell?

python

c

python-3.x

spell-checking

hunspell