Hunspell 拼写检查完全教程 / 第 01 章：Hunspell 概述

第 01 章：Hunspell 概述

1.1 什么是 Hunspell

Hunspell 是一个开源的拼写检查器（Spell Checker）和形态分析器（Morphological Analyzer），采用 C++ 编写，提供跨平台的 C/C++ 库（libhunspell）及命令行工具。它是目前世界上使用最广泛的拼写检查引擎，被集成在以下主流软件中：

1.2 发展历史

1.2.1 MySpell 时代（1998-2003）

Hunspell 的前身是 MySpell，由 Kevin Hendricks 于 1998 年开发，最初为 StarOffice/OpenOffice.org 提供拼写检查功能。MySpell 的设计灵感来自 Ispell，但做了重要改进：

• 支持 Unicode/UTF-8 编码，而非仅限 Latin 字符集
• 引入 条件替换（Conditional Replacement） 机制
• 使用简化的 Flag 系统 管理词缀

时间线：

1998    Kevin Hendricks 开发 MySpell
  │
2002    OpenOffice.org 1.0 采用 MySpell
  │
2003    László Németh 开始开发 Hunspell（Hungarian + Spell）
  │
2005    OpenOffice.org 2.0 切换到 Hunspell
  │
2006    Mozilla Firefox 3 采用 Hunspell
  │
2007    Hunspell 1.1 发布，支持 Compound 模式
  │
2010    macOS 10.6 Snow Leopard 系统级集成
  │
2014    Google Chrome 从 WebKit SpellCheck 切换
  │
2017    Hunspell 1.6 重写核心算法，性能大幅提升
  │
2019    Hunspell 1.7 发布，持续维护至今

1.2.2 命名由来

Hunspell 的名称来源于 Hungarian（匈牙利语）+ Spell，因为作者 László Németh 是匈牙利人，最初的目标是为匈牙利语这种高度屈折语言（Agglutinative Language）提供高效的拼写检查。匈牙利语的一个单词可以有数十万种词形变化，这对词典压缩和检查算法提出了极高的要求。

1.3 核心设计理念

1.3.1 基于词缀的压缩

Hunspell 不存储所有词形，而是存储 词根（Stem）+ 词缀规则（Affix Rules）。例如英语单词 running 不会单独存储，而是通过：

词根：run
词缀规则：N → runn + ing（通过 SFX N 规则）

这种压缩方式使得英语词典（~50,000 词根）能覆盖约 400,000+ 词形。

1.3.2 双文件架构

每个语言词典由两个文件组成：

en_US.dic                     en_US.aff
─────────────                 ─────────────
abandon/DGS                   SET UTF-8
abandonment/S                 TRY esianrtolcdugmphbyfvkwz
abbreviate/XDGNS              
abbreviation/SM               SFX D Y 4
...                           SFX D   0   d   e
                              SFX D   0   ed  [^e]
                              SFX D   y   ied [^aeiou]y
                              SFX D   0   ed  [^aeiou][ey]

1.3.3 UTF-8 原生支持

Hunspell 从设计之初就支持 UTF-8 编码，能够处理世界上几乎所有书写系统：

• Latin（英、法、德、西……）
• Cyrillic（俄、乌克兰、保加利亚……）
• CJK（中文、日文、韩文——通过特殊机制）
• Arabic、Hebrew、Devanagari 等复杂文字

1.4 Hunspell vs Aspell vs Enchant

1.4.1 Aspell 简介

GNU Aspell 是由 Kevin Atkinson 开发的拼写检查器，长期作为 Linux 系统的默认后端。它的核心特色是基于 发音相似度（Phonetic） 的建议算法——即使拼写严重错误，也能通过发音匹配提供建议。

1.4.2 详细对比

1.4.3 Enchant 的角色

Enchant 不是独立的拼写检查引擎，而是一个 抽象层/代理（Abstraction Layer），由 AbiWord 项目开发。它可以统一调用多种后端：

┌──────────────────────────────────────────┐
│              应用程序 (Application)        │
│            ┌──────────────┐               │
│            │   Enchant    │  ← 统一 API    │
│            └──────┬───────┘               │
│         ┌─────────┼─────────┐             │
│    ┌────┴────┐ ┌───┴───┐ ┌──┴────┐       │
│    │ Hunspell│ │ Aspell │ │ Hspell│       │
│    └─────────┘ └────────┘ └───────┘       │
└──────────────────────────────────────────┘

Enchant 的设计哲学是：让用户/开发者不必纠结于底层引擎的选择，系统自动使用可用的最佳后端。

1.4.4 选择建议

1.5 适用场景详解

1.5.1 桌面办公

最经典的使用场景。LibreOffice 使用 Hunspell 作为默认拼写检查引擎，支持：

• 实时红色波浪线标注
• 右键菜单建议更正
• 用户自定义词典
• 多语言文档混合检查

# 查看 LibreOffice 使用的 Hunspell 词典
ls /usr/share/hunspell/
# 输出：en_US.aff  en_US.dic  zh_CN.aff  zh_CN.dic  ...

1.5.2 Web 浏览器

Firefox 和 Chrome 的内置拼写检查都基于 Hunspell：

// Firefox 扩展可以通过 XPCOM 访问 Hunspell
// 以下为概念性代码
let spellChecker = Components.classes["@mozilla.org/spellchecker/engine;1"]
    .getService(Components.interfaces.mozISpellCheckingEngine);
spellChecker.dictionary = "en-US";
let isCorrect = spellChecker.check("helol");  // false

1.5.3 IDE 与代码编辑器

VS Code 的 streetsidesoftware.code-spell-checker 扩展底层使用 Hunspell：

// VS Code settings.json
{
  "cSpell.language": "en",
  "cSpell.customDictionaries": {
    "project-words": {
      "name": "project-words",
      "path": "${workspaceFolder}/.vscode/project-words.txt"
    }
  }
}

1.5.4 CI/CD 自动化

在持续集成管道中自动检查文档拼写：

# GitHub Actions 示例
name: Spell Check
on: [push, pull_request]
jobs:
  spellcheck:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Install Hunspell
        run: sudo apt-get install -y hunspell hunspell-en-us
      - name: Check spelling
        run: |
          find docs/ -name "*.md" -exec cat {} \; | \
            hunspell -d en_US -l | sort -u

1.5.5 内容管理系统

在 CMS 后台对用户提交的内容进行拼写检查：

# Django 中使用 hunspell 进行内容审核
import subprocess

def check_spelling(text: str, lang: str = "en_US") -> list[str]:
    """返回文本中拼写错误的单词列表"""
    process = subprocess.run(
        ["hunspell", "-d", lang, "-l"],
        input=text, capture_output=True, text=True
    )
    return [word for word in process.stdout.strip().split("\n") if word]

# 使用
errors = check_spelling("This sentense has a typoo")
# → ['sentense', 'typoo']

1.5.6 出版与排版

Adobe InDesign 和 Scribus 使用 Hunspell 进行专业排版时的拼写检查：

• 支持连字符（Hyphenation）断词
• 支持语言标记的混合文档
• 支持自定义专业词典（医学、法律、科技）

1.6 Hunspell 的局限性

尽管 Hunspell 应用广泛，了解其局限性也很重要：

1.7 本章小结

1.8 下一章预告

在第 02 章中，我们将详细介绍如何在各平台上安装 Hunspell，包括 Linux（apt/yum/pacman）、macOS（Homebrew）和 Windows（MSYS2/Chocolatey），以及如何安装和配置不同语言的词典包。

扩展阅读

• Hunspell 官方 GitHub — 源代码与发布
• Hunspell 作者 László Németh 的论文 — 词缀压缩算法详解
• MySpell 原始设计文档
• Aspell 手册 — 对比学习
• Enchant 项目主页
• Mozilla Spell Checking Architecture — Firefox 中的实现细节
• Wikipedia: Hunspell — 更多历史背景