我正在使用NHunspell来检查字符串中的拼写错误,方法如下:
var words = content.Split(' ');string[] incorrect;using (var spellChecker = new Hunspell(affixFile, dictionaryFile)){ incorrect = words.Where(x => !spellChecker.Spell(x)) .ToArray();}
这种方法通常有效,但也存在一些问题。例如,如果我在检查句子“This is a (very good) example”时,它会将“(very”和“good)”报告为拼写错误。或者,如果字符串中包含时间如“8:30”,它也会将其报告为拼写错误。它还会在处理逗号等符号时出现问题。
微软Word足够智能,能够识别时间、分数或以逗号分隔的单词列表。它知道何时不使用英语词典,也知道何时忽略符号。我如何在我的软件中实现类似的、更智能的拼写检查?有没有提供更多智能功能的库?
编辑:我不想强迫用户在他们的机器上安装微软Word,因此使用COM互操作不是一个选项。
回答:
如果你的拼写检查器真的那么笨,你应该先对其输入进行预分词以提取单词,然后一次一个地(或以空格连接的字符串形式)输入这些单词。我不熟悉C#/.NET,但在Python中,你可以使用简单的正则表达式\w+
来实现这一点:
>>> s = "This is a (very good) example">>> re.findall(r"\w+", s)['This', 'is', 'a', 'very', 'good', 'example']
我敢打赌.NET也有非常相似的功能。实际上,根据.NET文档,\w
是支持的,所以你只需要找出那里如何调用re.findall
即可。