Hunspell/Aspell数据转换为人类可读的词形变化列表

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词形变化列表？

例如，我想生成以下输出(针对不同的语言)：

..。

书，书

书，书，预订，预订

..。

走，走

..。

我查看了Hunspell/Aspell文档，但找不到可以做到这一点的API调用。

Answer 1

有一个命令行可以做到的方法，但是它的输出格式不是你想要的那样。如果需要，您也可以手动执行此操作，不过只需使用regex编写一些简单的脚本即可。

每组词缀的格式为

TYPE TAG REMOVE REPLACE MATCH

这样，当TAG与.dic文件中给定单词中/后面的内容相匹配时，您可以执行以下操作(假设您已经去掉了/...中的单词)：

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

注意与行尾/单词匹配的$。如果是前缀，则使用^进行调整。

有三点需要注意：

1. 直接从.aff文件获取$match在几乎所有情况下都等同于标准正则表达式。有一些小的变化，如果匹配类似于[abc-gh]，你最好将它改为(a|b|c|-|g|h)或[abcgh-] (hunspell不使用连字符作为元字符)，否则它将被解释为[abcdefgh] (标准正则表达式)。对于否定的字符类，您的选择是手动将-移动到表达式的末尾(例如，将[^a-df]移动到[^adf-]或在后面使用负外观。
2. 如果$replace为0，则应将其更改为空字符串。
3. 如果您的结果以/...结尾，则需要重新处理它，因为它有一个双重后缀。

注意。根据我的粗略计算，我正在编写的词典可能有超过5000万个单词正在形成(如果超过1亿个单词，我也不会感到惊讶)。