You need to enable JavaScript to run this app. 如何使用enchant对pandas dataframe中的文本内容进行拼写纠错
优惠活动
大模型
产品
解决方案
定价
更多

如何使用enchant对pandas dataframe中的文本内容进行拼写纠错

基于Pandas实现CSV文本拼写纠错

需求说明

需要修正CSV文件中text字段的英文拼写错误,输入CSV格式如下:

id  text
0   my telephon not working
1   I have mobil in my bag
2   car is expensiv

最终需要输出修正后的CSV,格式如下:

id  text
0   my telephone not working
1   I have mobile in my bag
2   car is expensive

实现思路

将已有的单句拼写纠错逻辑封装为独立函数,通过Pandas的apply方法将函数应用到text列的每一行,实现批量纠错。

完整实现代码

import enchant, difflib, nltk
from nltk.tokenize import word_tokenize
import pandas as pd

# 初始化英文拼写校验词典
d = enchant.Dict("en_US")

# 定义单个单词纠错函数
def correct_single_word(word):
    # 单词拼写正确直接返回
    if d.check(word):
        return word
    # 无拼写建议时直接返回原词
    suggest_words = set(d.suggest(word))
    if not suggest_words:
        return word
    # 匹配相似度最高的建议词
    best_ratio = 0
    best_words = []
    for b in suggest_words:
        tmp = difflib.SequenceMatcher(None, word, b).ratio()
        if tmp > best_ratio:
            best_words = [b]
            best_ratio = tmp
        elif tmp == best_ratio:
            best_words.append(b)
    return best_words[0]

# 定义整句纠错函数
def correct_sentence(text):
    tokens = word_tokenize(text)
    corrected_tokens = [correct_single_word(word) for word in tokens]
    return ' '.join(corrected_tokens)

# 读取输入CSV,制表符分隔用sep='\t',逗号分隔可直接省略sep参数
df = pd.read_csv('你的输入文件路径.csv', sep='\t')

# 对text列应用纠错逻辑
df['text'] = df['text'].apply(correct_sentence)

# 输出结果CSV
df.to_csv('修正后的输出文件路径.csv', sep='\t', index=False)

注意事项

  • 运行前需要提前安装依赖:pip install pyenchant nltk pandas,同时需要下载nltk的punkt分词数据包,可通过nltk.download('punkt')完成下载。
  • 如果需要处理其他语言的拼写纠错,只需修改enchant初始化时的语言代码即可。

内容的提问来源于stack exchange,提问作者Bilgin

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.07 17:27:02