如何通过pyhunspell让Hunspell返回更多单词建议？

问题根源 #

Hunspell默认的拼写建议逻辑是编辑距离+词频权重双重筛选，哪怕目标词（比如York）在字典里，也可能因为词频低于Yolk/Yoke，或者算法的候选生成规则更严格，导致没被纳入默认建议列表。而且Hunspell的CLI和pyhunspell封装默认都没开放直接调整建议数量/阈值的参数，这就是为什么你只能拿到2条结果，而Aspell因为算法偏向召回优先，能返回更多候选。

可行解决方案 #

1. 自定义扩展建议生成逻辑 #

既然pyhunspell的suggest方法没参数可调，自己写逻辑补全候选：

• 先拿Hunspell的默认建议
• 生成输入词编辑距离在1-2范围内的所有可能候选，用Hunspell的spell()验证是否在字典里
• 合并结果后交给下游排序器处理

示例代码：

import hunspell
from Levenshtein import distance  # 先装依赖：pip install python-Levenshtein

# 初始化Hunspell（用你自己的字典路径）
h = hunspell.HunSpell('/Library/Spelling/en_US.dic', '/Library/Spelling/en_US.aff')

def get_extended_suggestions(word, max_edit_dist=2):
    # 先获取默认建议
    default_suggests = set(h.suggest(word))
    # 生成所有可能的编辑候选
    letters = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
    candidates = set()
    word_len = len(word)
    
    # 插入字符
    for i in range(word_len + 1):
        for c in letters:
            cand = word[:i] + c + word[i:]
            if distance(word, cand) <= max_edit_dist:
                candidates.add(cand)
    # 删除字符
    for i in range(word_len):
        cand = word[:i] + word[i+1:]
        if distance(word, cand) <= max_edit_dist:
            candidates.add(cand)
    # 替换字符
    for i in range(word_len):
        for c in letters:
            cand = word[:i] + c + word[i+1:]
            if distance(word, cand) <= max_edit_dist:
                candidates.add(cand)
    # 交换相邻字符
    for i in range(word_len - 1):
        cand = word[:i] + word[i+1] + word[i] + word[i+2:]
        if distance(word, cand) <= max_edit_dist:
            candidates.add(cand)
    
    # 筛选字典中存在的候选，合并默认建议
    valid_candidates = {c for c in candidates if h.spell(c)}
    all_suggests = list(default_suggests.union(valid_candidates))
    return all_suggests

# 测试调用
print(get_extended_suggestions("Yokk"))  # 结果会包含York

2. 修改Hunspell的.aff配置文件 #

Hunspell的.aff文件（比如en_US.aff）里有隐藏配置可以调整：

• MAXSUGGEST：控制默认返回的最大建议数，默认可能是2，改成10就能拿到更多结果
• 部分.aff文件还有SUGGEST相关规则，调整后可以让候选生成更宽松

操作步骤：

1. 找到/Library/Spelling/en_US.aff，先备份原文件
2. 打开文件搜索MAXSUGGEST，把值改成你需要的数字（比如10）
3. 保存后重启你的程序，再调用suggest就能拿到更多建议

怕修改系统文件影响其他程序的话，复制一份dic和aff到自己项目目录，初始化时指定自定义路径：

h = hunspell.HunSpell('./custom_en_US.dic', './custom_en_US.aff')

3. 混合Aspell和Hunspell #

既然Aspell能返回符合需求的候选，直接把两者的建议合并：

from pyaspell import Aspell
import hunspell

# 初始化两个拼写检查器
h = hunspell.HunSpell('/Library/Spelling/en_US.dic', '/Library/Spelling/en_US.aff')
aspell = Aspell('en_US')

# 合并建议并去重
hun_suggests = h.suggest("Yokk")
aspell_suggests = aspell.suggest("Yokk")
combined_suggestions = list(set(hun_suggests + aspell_suggests))

补充说明 #

Hunspell天生偏向精准优先，默认只给最可能的候选；Aspell则是召回优先，所以默认建议更多。如果你的场景需要覆盖像"New York"这类专有名词，自定义生成候选或者修改aff配置是最靠谱的方案——毕竟专有名词的词频通常不高，容易被Hunspell的默认逻辑过滤掉。

内容的提问来源于stack exchange，提问作者Josep Valls