WeCantSpell.Hunspell误判单个字母为正确拼写的问题求助

问题概述 #

使用Hunspell或WeCantSpell.Hunspell进行英文拼写检查时，单独出现的单字母（如b、B）被判定为有效单词。删除en_us.dic中的单字母条目（如B/MNT）后问题仍存在，尝试加载/不加载en_us.aff文件、查阅Hunspell手册均未解决。

可能原因 #

1. 词典规则自动生成单字母：en_us.aff中的构词规则（如大小写映射、缩写规则、词缀规则）可能自动将单字母判定为有效，即使dic中已删除对应条目。
2. 词典加载路径错误：WeCantSpell.Hunspell可能加载了内置默认词典，而非你修改后的本地文件。
3. 未处理标点干扰：测试句子中的单字母可能附带标点（如b.），直接拆分检查时，带标点的字符串可能被规则处理后匹配有效条目。

解决方案 #

方案1：代码层过滤非合法单字母 #

最直接的方式是在拼写检查逻辑中，额外过滤非允许的单字母（英文中仅a、i及其大写形式是合法单字母单词）：

using WeCantSpell.Hunspell;
internal static HashSet<string> TestMutations(HashSet<string> mutations)
{
    HashSet<string> survivors = new HashSet<string>();
    // 定义英文中合法的单字母单词
    var allowedSingleLetters = new HashSet<string> {"a", "i", "A", "I"};
    
    // 同时加载dic和aff文件，确保规则生效
    var dictionary = WordList.CreateFromFiles("en_us.dic", "en_us.aff");
    
    foreach (string mutation in mutations)
    {
        bool allCorrect = true;
        string[] words = mutation.Split(' ');

        foreach (string word in words)
        {
            // 先清理单词首尾的标点符号
            var cleanWord = word.Trim(new[] { '.', ',', '!', '?', ';' });
            
            // 过滤非允许的单字母
            if (cleanWord.Length == 1 && !allowedSingleLetters.Contains(cleanWord))
            {
                allCorrect = false;
                break;
            }
            
            if (!dictionary.Check(cleanWord))
            {
                allCorrect = false;
                break;
            }
        }
        if (allCorrect)
            survivors.Add(mutation);
    }

    return survivors;
}

方案2：修正词典文件规则 #

若需从词典层面解决，需修改en_us.aff文件中的相关规则：

• 查找ABBR（缩写）规则：若有允许单字母缩写的条目，删除或注释掉。
• 检查MAP（字符映射）规则：确认是否存在将小写单字母映射为大写有效条目的规则。
• 排查SFX/PFX（词缀）规则：确保没有能生成单字母的派生规则。

注意：修改词典后，需将文件放在项目目录，设置属性为“复制到输出目录”，确保程序加载的是修改后的本地文件，而非NuGet包内置的默认词典。

Hunspell词典文件工作原理 #

Hunspell的拼写检查依赖.dic和.aff两个文件：

• .dic文件：存储基础单词库，每条目格式为单词/标志，标志对应.aff中的规则（如M表示复数形式，T表示时态变化）。
• .aff文件：定义构词规则集合，核心规则类型包括：
  • SET：指定字符集。
  • MAP：字符映射规则（如大小写转换、变音符号处理）。
  • SFX/PFX：后缀/前缀派生规则，用于生成派生词（如加s变复数）。
  • FLAG：定义标志对应的规则组合。
  • COMPOUND：复合词拼接规则。
  • ABBR：合法缩写规则。

拼写检查时，Hunspell会先匹配.dic中的基础单词，再通过.aff的规则生成所有可能的变体，只要匹配其中一种就判定为有效单词。

内容的提问来源于stack exchange，提问作者Steve Pence