28

我知道拼写检查器并不完美，但随着文本数量的增加，它们会变得更加有用。如何拼写检查有数千页的网站？

编辑：由于复杂的服务器端处理，我可以获取页面的唯一方法是通过 HTTP。也不能外包给第三方。

编辑：我有一个我需要检查的网站上所有 URL 的列表。

4

11 回答 11

7

Lynx 似乎擅长获取我需要的文本（正文内容和替代文本）而忽略我不需要的内容（嵌入的 Javascript 和 CSS）。

lynx -dump http://www.example.com

它还列出了页面中的所有 URL（转换为它们的绝对形式），可以使用 grep 将其过滤掉：

lynx -dump http://www.example.com | grep -v "http"

file://如果我使用 wget 镜像站点，URL 也可以是本地的 ( )。

我将编写一个脚本，该脚本将使用此方法处理一组 URL，并将每个页面输出到一个单独的文本文件。然后，我可以使用现有的拼写检查解决方案来检查文件（或结合所有小文件的单个大文件）。

这将忽略标题和元元素中的文本。这些可以单独进行拼写检查。

于 2009-02-25T13:16:38.463 回答
3

就在我发现Spello 网站拼写检查器的前几天查看。它使用我的 NHunspell（Open office Spell Checker for .NET） libaray。你可以试一试。

于 2009-09-09T18:10:10.003 回答
2

如果您可以以文件的形式访问站点的内容，您可以编写一个小的 Unix shell 脚本来完成这项工作。以下脚本将打印文件名、行号和拼写错误的单词。输出的质量取决于系统字典的质量。

#!/bin/sh

# Find HTML files
find $1 -name \*.html -type f |
while read f
do
        # Split file into words
        sed '
# Remove CSS
/<style/,/<\/style/d
# Remove Javascript
/<script/,/<\/script/d
# Remove HTML tags
s/<[^>]*>//g
# Remove non-word characters
s/[^a-zA-Z]/ /g
# Split words into lines
s/[     ][      ]*/\
/g ' "$f" |
        # Remove blank lines
        sed '/^$/d' |
        # Sort the words
        sort -u |
        # Print words not in the dictionary
        comm -23 - /usr/share/dict/words >/tmp/spell.$$.out
        # See if errors were found
        if [ -s /tmp/spell.$$.out ]
        then
                # Print file, number, and matching words
                fgrep -Hno -f /tmp/spell.$$.out "$f"
        fi
done
# Remove temporary file
rm /tmp/spell.$$.out
于 2009-02-25T11:55:15.927 回答
2

我强烈推荐Inspyder InSite，它是商业软件，但他们有试用版，物有所值。我多年来一直使用它来检查客户网站的拼写。它支持自动化/调度，并且可以与 CMS 自定义单词列表集成。这也是链接检查的好方法，可以生成报告。

于 2010-09-28T14:04:19.020 回答
1

You could do this with a shell script combining wget with aspell. Did you have a programming environment in mind?

I'd personally use python with Beautiful Soup to extract the text from the tags, and pipe the text through aspell.

于 2009-02-25T11:31:38.823 回答
1

If its a one off, and due to the number of pages to check it might be worth considering somthing like spellr.us which would be a quick solution. You can entering in your website url on the homepage to get a feel for how it would report spelling mistakes.

http://spellr.us/

but I'm sure there are some free alternatives.

于 2009-02-25T11:40:43.280 回答
0

我们在 ASP.NET 应用程序中使用 Telerik RAD Spell 控件。

Telerik RAD 法术

于 2009-03-10T01:35:09.147 回答
0

You may want to check out a library like jspell.

于 2009-03-10T02:07:07.853 回答
0

我在这里用 Ruby 制作了一个仅限英语的拼写检查器：https ://github.com/Vinietskyzilla/fuzzy-wookie

试试看。

它的主要缺陷是缺乏包含每个单词所有形式的完整词典（复数，不仅仅是单数；'has'，而不仅仅是'have'）。替换你自己的字典，如果你能找到或制作更好的字典，那会非常棒。

除此之外，我认为对单个网页进行拼写检查的最简单方法是按 ctrl+a（或 cmd+a）选择所有文本，然后将其复制并粘贴到网页上的多行文本框中。（例如<html><head></head><body><textarea></textarea></body></html>。）您的浏览器应在所有拼写错误的单词下划线。

于 2013-09-09T22:26:19.987 回答
0

在您的 web 应用程序中使用模板（以及）（如果您正在对网站进行编程，而不仅仅是编写 html），以及一个包含拼写检查的 html 编辑器。Eclipse 确实如此。

如果由于某种原因这不可能......是的，wget 下载完成的页面，如下所示：

http://netsw.org/dict/tools/ispell-html-mode.patch

于 2009-02-25T11:48:50.857 回答
0

@Anthony Roy 我已经完成了你所做的。通过 Pyenchant 将页面通过 Aspell 管道传输。我有英文词典（GB、CA、US）在我的网站https://www.validator.pro/上使用。联系我，我会为你安排一个一次性的工作来检查 1000 页或更多

于 2014-11-29T02:16:05.897 回答