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：我需要生成一个单词的所有单词形式，使用一组词缀规则。
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 Hunspell API）？ Lucene 的 Hunspell API 并没有那么大，我查了一遍，没找到合适的。
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，但如果仍有使用 Lucene 分析器的解决方案，我会很高兴社区将看看答案。
【问题讨论】：
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是否可以从外部调用它。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，您无论如何都无法创建 all 词形，因为它们的数量是无限的。
【讨论】：
educate/ABC）编写新词根，然后使用此自定义词典和您的语言的标准词缀文件调用 unmunch。
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the documentation阅读更多内容。
【讨论】：
（最初的问题是关于为一个给定单词生成所有形式。这个答案集中在为字典的所有单词生成所有形式的更难的问题上。我在这里发布这个，因为这是在搜索更难的单词时出现的问题问题。）
unmunching 更新截至 2021 年，Hunspell 提供了两个工具，称为 unmunch 和 wordforms，用于生成单词形式。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
所以affixes.aff 将由您的语言给出，roots.dic 将是您的语言的参考词典，或者是包含您要生成的新词根的自定义词典。
很遗憾，Hunspell 的unmunch 已弃用¹，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，所以您可能会尝试用wordforms 模拟unmunch（正如自述文件所建议的那样），但是后者只取一个不合格的根，并将其与roots.dic 和affixes.aff 隐含的整个字典进行比较。每个根需要花费大量时间，最糟糕的是，您必须依次调用wordforms，所有根都在roots.dic。所以你会有一个二次时间。对我来说，使用法语词缀的参考集，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wordforms 生成裸词，而unmunch 能够附加派生元数据（例如词性或性别），因此使用wordforms 您会丢失信息（可能会或可能不会对你很重要）。
unmunch 缺少替代品是a known issue。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的源代码写了an sh/awk script；可能已经严重过时了，但我还没有尝试过。unmunch 好。不过我不知道它有多准确。¹ 来自 the repo 的自述文件。
【讨论】：
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。使用：
unmunch word.dic en_US.aff
你会得到所有创造形式的单词。
【讨论】：