在R中使用hunspell多词典时遭遇en_AU词典拼写检查异常

这确实挺让人摸不着头脑的！我帮你梳理下问题根源和几个可行的解决思路：

核心问题出在不同地区的hunspell词典对英语缩写（收缩形式）的收录差异上。美式英语（en_US）词典里收录了Couldn't这类常见缩写，但澳大利亚英语（en_AU）的默认词典可能没有把这类收缩形式作为完整有效词纳入。

当hunspell用en_AU检查时，它会把Couldn't拆分成Couldn和t两个部分，而Couldn本身并不是一个合法的英文单词，所以就被标记成了拼写错误。

这里有几个实用的方案可以解决这个问题：

• 手动补充缩写到忽略列表
  把澳大利亚英语里常用的收缩缩写加到你的dic_ignore向量中，比如：

  dic_ignore <- c(dic_ignore, "Couldn't", "Didn't", "Wouldn't", "Isn't")
  

  这样hunspell就会自动跳过这些词的检查。

• 自定义扩展en_AU词典
  你可以创建一个自定义词典文件，添加需要的缩写，然后和默认en_AU词典一起加载：

  # 先创建一个文本文件（比如au_custom_words.txt），每行写一个需要添加的词：
  # Couldn't
  # Didn't
  # Wouldn't
  
  # 加载自定义词典
  au_custom_dict <- hunspell_dictionary("en_AU", add_words = readLines("au_custom_words.txt"))
  
  # 使用自定义词典检查
  hunspell("Couldn't be more delighted.", dict = au_custom_dict, ignore = dic_ignore)
  

• 先检查分词逻辑
  你可以先用hunspell_split()看看en_AU词典是怎么拆分你的文本的，确认是不是拆分规则导致的问题：

  hunspell_split("Couldn't be more delighted.", dict = "en_AU")
  

  如果确实是拆分出了Couldn这种奇怪的片段，也可以考虑先手动替换收缩形式（比如把Couldn't换成Could not）再检查，不过这种方法比较繁琐，只适合短文本场景。

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