python PyEnchant（拼写检查）

本文主要是记录了一下pyenchant包的安装以及简单使用。这个包主要功能是对英语单词进行拼写检查，并可以对拼写错误的单词推荐一些可能的正确单词。

1 installing PyEnchant

使用pip直接安装即可，指令如下：

pip install pyenchant

使用上述指令，如果安装没有错误就是安装成功了，一般情况下（mac、ubuntu等系统）是没有任何问题的。但是在亚马逊的EC2机器上，使用上述指令会提示错误。主要原因是EC2系统上缺少enchant组建，这里就需要在EC2机器上安装该组建。使用如下指令：

sudo yum install enchant

安装好enchant之后，在使用pip安装pyenchant即可。但是在python中使用enchant时，会发现刚刚装好的enchant没有安装默认字典。这就需要另外安装常用英语字典，来支持pyenchant的正常使用，使用如下指令：

sudo yum install aspell-en
sudo yum install enchant-aspell

2 基础用法

2.1 创建和使用Dictionary Object

在PyEnchant中最主要的就是Dict对象，我们可以使用它来检查单词的拼写是否正确，同时还可以对拼写错误的单词提供几个可能的正确拼写。
首先介绍如何创建Dict对象，并用其检查某个单词的拼写：

>>> import enchant
>>> d = enchant.Dict("en_US")
>>> d.check("Hello")
True
>>> d.check("Helo")
False

创建Dict对象可以使用如下方式：

方法	描述
d = enchant.Dict(language)	使用指定语言创建Dict对象
d = enchant.request_dict(language)	使用指定语言创建Dict对象
d = enchant.request_pwl_dict(filename)	只用本地文件中的词汇创建Dict对象
d = enchant.DictWithPWL(language, filename)	将内置某语言以及本地文件中的词汇合并来创建Dict对象

注意上述方法中用到了本地文件filename，文件中每一行只存放一个单词。

enchant模块还提供了如下几个关于语言的方法：

方法	描述
enchant.dict_exits(language)	查看当前enchant模块是否支持某种语言
enchant.list_languages()	查看当前enchant模块支持的所有语言

Dict对象有如下方法与属性方便用户使用：

方法or属性	描述
d = enchant.Dict(language)	指定语言创建一个Dict对象
d.tag	当前Dict使用的语言
d.check(word)	检查word的拼写是否正确
d.suggest(word)	对拼写错误的word提供几个正确拼写的单词

>>> import enchant
>>> d = enchant.Dict("en_US")
>>> d.tag
'en_US'
>>> d.check("Hello")
True
>>> d.check("Helo")
False
>>> d.suggest("helo")
['hole', 'hello', 'helot', 'halo', 'hero', 'hell', 'held', 'helm', 'help', 'he lo']
>>> enchant.dict_exists("aa")
False
>>> enchant.dict_exists("en_US")
True
>>> enchant.list_languages()
['de_DE', 'en_AU', 'en_GB', 'en_US', 'fr_FR']

2.2 检查一段文本的拼写

这里使用enchant.checker中的SpellChecker类来解决对一整段文本中的单词进行拼写检查

>>> from enchant.checker import SpellChecker
>>> chkr = SpellChecker("en_US")
>>> chkr.set_text("This is sme sample txt with erors.")
>>> for err in chkr:
...     print "ERROR", err.word
...
ERROR sme
ERROR txt
ERROR erors

2.3 英语分词器（Tokenization）

将英语文本进行分词，返回结果格式(word, pos)，其中pos是word在整个文本中出现的位置

>>> from enchant.tokenize import get_tokenizer
>>> tknzr = get_tokenizer("en_US")
>>> [w for w in tknzr("this is some simple text.")]
[('this', 0), ('is', 5), ('some', 8), ('simple', 13), ('text', 20)]

3 更多enchant功能与用法，请查看如下链接

http://pythonhosted.org/pyenchant/tutorial.html

作者：happy_19
链接：https://www.jianshu.com/p/96c01666aeeb
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。