python PyEnchant（检查拼写）

一。PyEnchant（检查拼写）

1.安装：

使用pip直接安装：
    pip3 install pyenchant

在Linux服务器中部署安装问题及解决方案：
以上命令安装如果失败，检查本机是否有enchant组件，没有执行命令安装：
sudo yum install enchant

安装常用英语字典命令，来支持pyenchant的正常使用
sudo yum install aspell-en
sudo yum install enchant-aspell

2.基础用法：

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。

PyEnchant附带一些字典（en_GB，en_US，de_DE，fr_FR），但如果你想要更多语言，可以使用任何OpenOffice字典。

>>> import enchant
>>> d = enchant.Dict("en_US")
>>> d.check("Hello")
True
>>> d.check("Helo")
False
>>> d.suggest("Helo")
['He lo', 'He-lo', 'Hello', 'Helot', 'Help', 'Halo', 'Hell', 'Held', 'Helm', 'Hero', "He'll"]
>>>

2.1.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。

2.2.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

2.3.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']

3.检查一段文本中的拼写

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

4.英语分词器

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)]