如何在C#中去除单词后缀并还原动词原形？

需求说明 #

需要将获取到的单词去除时态/后缀，还原为动词原形，例如：

• playing → play
• watches → watch
• stopped → stop

尝试过Humanizer和OpenNlp工具，但不清楚具体用法，也没找到合适的实现方式，自己写的代码存在问题。

现有代码问题分析 #

用户提供的代码：

public List<string> changeWord(List<string> wordss,string baseUrl)
{
    string[] wordEnd = {"ing","es", "ies"};
    List<string> tags = getH1AndTitleTags(baseUrl);
    foreach(string tag in tags)
    {
        if (tag.Contains(wordEnd[0]))
        {
            tag.Replace("ing", "");
            tags.Add(tag);
        }
    }
    return tags;
}

存在以下问题：

• 字符串修改无效：C#中string是不可变类型，tag.Replace()会返回新字符串，原tag不会被修改，代码中未接收返回值
• 集合遍历异常：遍历tags时直接向集合中添加元素，会导致循环逻辑混乱，甚至抛出异常
• 处理范围有限：只处理了"ing"后缀，未覆盖"es"、"ies"以及像"stopped"这类需要去双写尾字母的情况
• 冗余参数：方法参数wordss未被使用，属于无效参数

工具的正确用法 #

1. Humanizer（推荐，简单易用） #

首先安装Humanizer NuGet包，然后通过内置的动词变形方法直接还原原形：

using Humanizer;

// 单个单词还原示例
string playingBase = "playing".Verb().InflectTo(VerbForm.Infinitive); // 返回"play"
string watchesBase = "watches".Verb().InflectTo(VerbForm.Infinitive); // 返回"watch"
string stoppedBase = "stopped".Verb().InflectTo(VerbForm.Infinitive); // 返回"stop"

2. OpenNlp（适合NLP场景，需配合词性标注） #

OpenNlp需要下载动词词形还原模型（如en-verb.bin），加载模型后结合词性标注实现还原：

using opennlp.tools.lemmatizer;
using opennlp.tools.util;

// 加载模型
LemmatizerModel model = new LemmatizerModel(new File("en-verb.bin"));
EnglishLemmatizer lemmatizer = new EnglishLemmatizer(model);

// 需指定单词词性，VBG为动名词、VBZ为第三人称单数、VBD为过去式
string playingBase = lemmatizer.Lemmatize("playing", "VBG"); // 返回"play"
string watchesBase = lemmatizer.Lemmatize("watches", "VBZ"); // 返回"watch"
string stoppedBase = lemmatizer.Lemmatize("stopped", "VBD"); // 返回"stop"

注意：OpenNlp需要先对单词做词性标注，才能更准确地还原原形，可配合OpenNlp的词性标注器使用。

改进后的代码示例 #

基于Humanizer实现的完整代码，修正原逻辑问题：

using Humanizer;
using System.Collections.Generic;
using System.Linq;

public List<string> GetVerbBaseForms(string baseUrl)
{
    // 获取标签内容
    List<string> tagContents = getH1AndTitleTags(baseUrl);
    List<string> baseFormVerbs = new List<string>();

    foreach (string content in tagContents)
    {
        // 拆分内容为单个单词（处理空格、标点分隔的情况）
        string[] words = content.Split(new[] {' ', '.', ',', '!'}, StringSplitOptions.RemoveEmptyEntries);
        
        foreach (string word in words)
        {
            // 还原为动词原形
            string baseForm = word.Verb().InflectTo(VerbForm.Infinitive);
            baseFormVerbs.Add(baseForm);
        }
    }

    return baseFormVerbs;
}

内容的提问来源于stack exchange，提问作者Mr_Programmer002