在我处理的一个应用程序中，我们使用 Lucene Analyzer，尤其是它的 Hunspell 部分。我面临的问题是：我需要使用一组词缀规则生成一个单词的所有单词形式。
例如，拥有单词“educate”和词缀规则ABC，生成所有形式的单词“educate”。- 教育，教育，教育等。
我想知道的是：是否可以使用 Lucene 的 Hunspell 实现来做到这一点（我们使用 Hunspell 字典（.dic）和词缀文件（.aff），所以它必须是一个 Hunspell API）？Lucene 的 Hunspell API 并没有那么大，我浏览了一下，没有找到合适的。
我能在 SO 上找到的最近的是this，但没有与 hunspell 相关的答案。
更新 1我不再从事我面临上述问题的项目，但如果仍然有使用 Lucene 的分析器执行此操作的解决方案，我很高兴社区会看到答案。
Hunspell 带有 unmunch 命令，它将创建所有单词形式。你可以这样称呼它：
unmunch en_GB.dic en_GB.aff
因此，您可能会在 hunspell 源代码中查看它是如何实现的，以及它是否可以从外部调用。上次我检查在带有复合词的字典上使用该命令时，该命令有点错误 - 在这些情况下，无论如何您都无法创建所有单词形式，因为它们的数量是无限的。
我认为您正在寻找的是 Hunspell 的 wordforms 命令：
Usage: wordforms [-s | -p] dictionary.aff dictionary.dic word
-s: print only suffixed forms
-p: print only prefixed forms
例子：
$ wordforms en_US.aff en_US.dic educate
educating
educated
educate
educates
educates
在文档中阅读更多内容。
（最初的问题是关于为一个给定的单词生成所有形式。这个答案侧重于为字典的所有单词生成所有形式的更难的问题。我在这里发布这个，因为这是在搜索更难的问题时出现的问题。）
unmunch_截至 2021 年，Hunspell 提供了两种工具，称为unmunch和wordforms生成词形。它们各自的用法是：
# print all forms for all words whose roots are given in `roots.dic`
# and make use of affix rules defined in `affixes.aff`:
unmunch roots.dic affixes.aff
# print the forms of ONE given word (a single root with no affix rule)
# which are allowed by the reference dictionary defined by the pair of
# `roots.dic` and `affixes.aff`:
wordforms affixes.aff roots.dic word
Soaffixes.aff将由您的语言给出，并且roots.dic可以是您的语言的参考词典，也可以是您想要生成的新词的根源的自定义词典。
不幸的是，Hunspell 已unmunch被弃用¹并且无法正常工作。它继承自 MySpell，我猜它不支持 Hunspell 的所有功能。显然它不能正确支持 UTF-8。当我尝试将它与参考法语词典（Dicollecte，v7.0）一起使用时，它通过应用不应该应用的词缀规则（例如：共轭非动词）来生成垃圾词。
wordforms应该是最新的，所以你可能会尝试模仿unmunchwith wordforms（正如自述文件所建议的那样），但后者只取一个不合格的根，并将其与roots.dicand所暗示的整个字典进行比较affixes.aff。每个根都需要花费大量时间，最糟糕的是，您必须wordforms轮流调用所有根在roots.dic. 所以你会有一个二次时间。对我来说，使用法语的参考词缀集，这太慢了以至于无法使用——即使只有 10 个词根！为了说明，不可用的 Bash 代码是：
# /!\ EXTREMELY SLOW
aff='affixes.aff'
dic='roots.dic'
cat "$dic" | while read -r root ; do # read each root of the file
root="${root%%/*}" # strip the root from the optional slash (attached affix rules)
wordforms "$aff" "$dic" "$root" # generate all forms for this root
done \
| sort -u # sort (according to the locale) and remove duplicates
另外，请注意，它wordforms会产生裸词，而unmunch能够附加派生的元数据（例如词性或性别），因此wordforms您会丢失信息（这可能对您来说很重要，也可能不重要）。
缺少替代品unmunch是一个已知问题。显然，Hunspell 开发人员不会在可预见的未来解决这个问题（关于资金的问题？）。这导致几个人重新实现了该功能，您会在整个 GitHub 问题中找到指针。
wordforms；也许严重过时，但我还没有尝试过。unmunch. 我不知道它有多准确。¹ 来自repo的自述文件。
要查找一个单词的所有创建形式，假设 en_US.dic 包含：word/abc，创建一个文件：
1
word/abc
并将其保存为 word.dic。利用：
unmunch word.dic en_US.aff
你会得到所有创造的单词形式。