1

我正在尝试使用 HunSpellChecker 类拼写检查字符串（请参阅https://web.archive.org/web/20130311163032/http://www.phpkode.com/source/s/php-spell-checker/php- spell-checker/HunSpellChecker.class.php ) 和 hunspell 拼写引擎。相关函数复制到这里：

public function checkSpelling ($text, $locale, $suggestions = true) {
     
    $text = trim($text);
     
    if ($this->textIsHtml == true) {
        $text = strtr($text, "\n", ' ');
    } elseif ($text == "") {
        $this->spellingWarnings[] = array(self::SPELLING_WARNING__TEXT_EMPTY=>"Text empty");
        return false;
    }
     
    $descspec = array(
                      0=>array('pipe', 'r'),
                      1=>array('pipe', 'w'),
                      2=>array('pipe', 'w')
                );
     
    $pipes = array();
    $cmd  = $this->hunspellPath;
    $cmd .= ($this->textIsHtml) ? " -H ":"";
    $cmd .= " -d ".dirname(__FILE__)."/dictionaries/hunspell/".$locale;
     
    $process = proc_open($cmd, $descspec, $pipes);
     
    if (!is_resource($process)) {
        $this->spellingError[] = array(self::SPELLING_ERROR__INTERNAL_ERROR=>"Hunspell process could not be created.");
        return false;
    }
     
    fwrite($pipes[0], $text);
    fclose($pipes[0]);
     
    $out = '';
    while (!feof($pipes[1])) {
        $out .= fread($pipes[1], 4096);
    }
    fclose($pipes[1]);
     
    // check for errors
    $err = '';
    while (!feof($pipes[2])) {
        $err .= fread($pipes[2], 4096);
    }
    if ($err != '') {
        $this->spellingError[] = array(self::SPELLING_ERROR__INTERNAL_ERROR=>"Spell checking error: ".$err);
        fclose($pipes[2]);
        return false;
    }
    fclose($pipes[2]);
     
    proc_close($process);
     
    if (strlen($out) === 0) {
        $this->spellingError[] = array(self::SPELLING_WARNING__EMPTY_RESULT=>"Empty result");
        return false;
    }
     
    return $this->parseHunspellOutput(explode("\n", $out), $locale, $suggestions);
}

它适用于 ASCII 字符串，但我必须检查不同语言的字符串，这些字符串具有重音字符（necessário、segrança 等）或非拉丁字母（希腊语、阿拉伯语等）。

在这些情况下的问题是非 ASCII 单词被错误地分段，并且发送到 Hunspell 的“拼写错误”的单词实际上是一个子字符串而不是完整的单词（necess，segran）。

我试图跟踪问题发生的位置，并且我假设它必须在上面链接的类的第 072 行中，当字符串被转换为资源时（或之后的某个地方）。第 072 行包含：

fwrite($pipes[0], $text);

该课程没有评论，所以我不确定那里发生了什么。

有没有人处理过类似的问题，或者有人可以提供任何帮助吗？

该类包含在文件示例/HunspellBased.php 中（从http://titirit.users.phpclasses.org/package/5597-PHP-Check-spelling-of-text-and-get-fix-suggestions.html下载的包）。我尝试使用 Enchant，但我根本无法让它发挥作用。

谢谢！干杯，曼努埃尔

4

2 回答 2

0

我认为您的问题要么是 HTML 实体，要么是您的字典文件有问题。

使用从Mozilla add-ons下载的葡萄牙语词典尝试您的示例，我只能在使用 HTML 编码实体时重现您的问题。即segurança很好，但是segurança正如你所说的那样被分段。

我不认为这是班级的问题。该类所做的只是将文本通过管道传输到命令行程序。您可以通过直接使用程序来消除 PHP 类的问题，如下所示：

php-spell-checker/dictionaries/hunspell根据上面的代码，将工作目录更改为您拥有字典的位置。准备一个包含要测试的重音单词的文本文件，然后执行以下操作：

hunspell -l -d pt-PT test.text

或者对于 HTML：

hunspell -l -d pt-PT -H test.html

wherept_PT表示葡萄牙语词典文件对的名称，即pt-PT.aff和pt–PT.dic

没有输出意味着没有错误。如果您仅在使用 HTML 实体时获得“必要”之类的部分词，那么这就是您的问题。如果不是，那么它要么是某种其他类型的字符串编码问题，要么是您正在使用的字典的问题。

我怀疑这是 hunspell 的 HTML 解析器的一个限制——它忽略了 HTML 标记和其他标点实体，但不会包含和解码中间有实体的单词。

解决此问题的唯一方法（假设 HTML 是您的问题）是在将 HTML 发送到拼写检查之前进行自己的预处理。PHPhtml_entity_decode将转换ç -> ç，因此您可以尝试在每个字符串上调用它。理想情况下，您会解析 HTML DOM 并仅提取文本节点。

如果 HTML 不是您的问题，请检查字符串是否为有效的 UTF-8。

尝试另一个字典文件失败。我从 Mozilla 获取的那个可以很好地处理纯文本。只需将.xpi文件重命名为.gzip，使用您拥有的任何解压缩软件将其展开，然后将.dic和.aff文件复制到您的字典文件夹中。

于 2014-07-09T10:29:44.110 回答
0

我认为您可以添加 After ：

$cmd  = $this->hunspellPath;
$cmd .= ($this->textIsHtml) ? " -H ":"";
$cmd .= " -d ".dirname(__FILE__)."/dictionaries/hunspell/".$locale;

添加

$cmd .= " -i UTF-8";
于 2016-06-22T22:29:48.627 回答