# .aff 文件中设置标志类型
FLAG long          # 双字符标志（推荐，最多 65536 个）
FLAG num           # 数字标志
FLAG char          # 单字符标志（默认，最多 52 个）

# FLAG long
abandon/DS        # 标志 D 和 S（2 个标志）
abbreviation/SQ   # 标志 S 和 Q
abacus/S          # 标志 S

# FLAG num
abandon/1234      # 标志 1234（单个四位数标志）
abandon/12,34     # 标志 12 和 34（两个标志，用逗号分隔）
abandon/1,2,3     # 标志 1、2、3（三个标志）

# 必须是 .aff 文件的第一个有效指令（注释除外）
SET UTF-8          # UTF-8 编码（推荐）
SET ISO8859-1      # Latin-1 编码
SET ISO8859-15     # Latin-9 编码
SET KOI8-R         # 俄语编码
SET GB2312         # 中文简体编码

# 单字符标志（默认，最多 52 个标志：a-z, A-Z）
FLAG char

# 双字符标志（推荐，最多 65536 个标志）
FLAG long

# 数字标志
FLAG num

# 英语的 TRY 列表（按频率排序）
TRY esianrtolcdugmphbyfvkwz

# 德语
TRY ensilatrgukodcmpfhbwvzjxyq

# 法语
TRY esartnuloidcpmvfbhqgxjywzk

REP 15
REP ph f           # phone → fone
REP f ph            # foto → photo
REP gh f            # enouf → enough
REP c s             # sience → science
REP s c             # cieling → ceiling
REP ei ie           # recieve → receive
REP ie ei           # wierd → weird
REP iee ei          # achive → achieve
REP oo u            # becuse → because
REP ss s            # neccessary → necessary
REP y i             # definate → definite
REP ou u            # colr → colour
REP ee e            # publically → publicly
REP eee ee          # publicaly → publicly
REP tt t            # littel → little

MAP 6
MAP aáâãäå          # a 等价于带重音的变体
MAP eéèêë           # e 等价于带重音的变体
MAP iíìîï           # i 等价于带重音的变体
MAP oóòôõöø         # o 等价于带重音的变体
MAP uúùûü           # u 等价于带重音的变体
MAP nñ              # n 等价于 ñ

# 指定哪些非字母字符应被视为单词的一部分
WORDCHARS -'        # 连字符和撇号视为单词组成部分
# 效果: well-known 被视为一个词
# 效果: don't 被视为一个词

# 在 .aff 文件中定义标志
KEEPCASE K

# 在 .dic 文件中使用
iPod/K              # iPod 必须保持这种大小写
iPhone/K            # 不能写成 ipod, IPHONE 等

NOSUGGEST X

# 在 .dic 文件中
shit/X              # 虽然是合法词，但不提供拼写建议
fuck/X              # 避免在建议列表中出现敏感词

NEEDAFFIX N

# 在 .dic 文件中
un/N                # "un" 不能独立使用，必须配合前缀 un-happy

FORBIDDENWORD F

# 在 .dic 文件中
teh/F               # 禁止 "teh"（常见错别字，应为 the）
adn/F               # 禁止 "adn"（应为 and）

CIRCUMFIX C

# 在 .dic 文件中
gehen/C             # 德语动词，需要同时加前缀和后缀

# SFX 规则
SFX C   ge   t     gehen    → gegangen（ge- + -t，前缀后缀同时）

# PFX 规则
PFX C   ge   0     gehen

SET UTF-8
FLAG long

# 后缀规则：复数 -s/-es
SFX S Y 2
SFX S   0   s       [^sxzh]      # cat → cats
SFX S   0   es      [sxzh]       # box → boxes

# 后缀规则：过去式 -ed
SFX D Y 4
SFX D   0   d       e             # love → loved
SFX D   0   ed      [^e]          # walk → walked
SFX D   y   ied     [^aeiou]y     # try → tried
SFX D   0   ed      [aeiou]y      # play → played

# 后缀规则：现在分词 -ing
SFX G Y 4
SFX G   e   ing     e             # make → making
SFX G   0   ing     [^e]          # walk → walking
SFX G   y   ying    [aeiou]y      # play → playing
SFX G   0   ing     [^aeiou][aeiou][^aeiou]swim → swimming (双写辅音)

# 后缀规则：比较级 -er / 最高级 -est
SFX R Y 2
SFX R   0   r       [^y]          # tall → taller
SFX R   y   ier     [^aeiou]y     # happy → happier

SFX T Y 2
SFX T   0   st      [^y]          # tall → tallest
SFX T   y   iest    [^aeiou]y     # happy → happiest

# 后缀规则：副词 -ly
SFX L Y 2
SFX L   0   ly      [^y]          # slow → slowly
SFX L   y   ily     [^aeiou]y     # happy → happily

# 后缀规则：名词化 -ness
SFX N Y 2
SFX N   0   ness    [^y]          # dark → darkness
SFX N   y   iness   [^aeiou]y     # happy → happiness

# 前缀规则：否定 un-
PFX U Y 1
PFX U   un  0       .             # happy → unhappy, do → undo

# 建议字符频率
TRY esianrtolcdugmphbyfvkwz

# 常见替换
REP 4
REP ie ei           # recieve → receive
REP ei ie           # weird → wierd
REP gh f            # enough → enouf
REP c s             # sience → science

# UTF-8 字符在正则表达式中需要特殊语法

# 匹配法语字符 é 的表示方式
# 在 Hunspell 正则中，多字节 UTF-8 字符用 \x{HHHH} 表示
SFX D 0 \u00e9  # é 的 Unicode 码点

# 或者直接使用 UTF-8 字符（如果文件本身是 UTF-8 编码）
SFX D 0 é

# UTF-8 BOM (Byte Order Mark) 可能导致问题
# 确保 .dic 和 .aff 文件不带 BOM

# 检查 BOM
hexdump -C en_US.aff | head -2
# 如果第一行是 ef bb bf，则有 BOM

# 移除 BOM
sed -i '1s/^\xEF\xBB\xBF//' en_US.aff
sed -i '1s/^\xEF\xBB\xBF//' en_US.dic

# Unix 使用 LF，Windows 使用 CRLF
# Hunspell 通常能处理两者，但建议使用 Unix 格式

# 转换为 Unix 格式
dos2unix en_US.aff en_US.dic

# 或用 sed
sed -i 's/\r$//' en_US.aff
sed -i 's/\r$//' en_US.dic

# 词典文件第一行应该是词条数量（近似值）
120000    ← Hunspell 用这个值初始化哈希表
abandon/GDS
ability/S
...

# 1. 保持第一行大小声明准确
wc -l en_US.dic  # 查看实际行数

# 2. 对于大型词典，可以使用 affix 别名（AF/AM）减少重复
# .aff 文件中
AF 2
AF A    S       # 别名 A = 标志 S
AF B    SD      # 别名 B = 标志 S 和 D

# .dic 文件中使用别名（减少每行标志字符数）
run/B           # 等价于 run/SD

# .aff 文件中
COMPOUNDBEGIN B
COMPOUNDMIDDLE M
COMPOUNDEND E
COMPOUNDWORDMAX 3       # 最多 3 个组成部分
COMPOUNDMIN 3           # 每个部分至少 3 个字符

# .dic 文件中
house/BME               # 可以出现在复合词的任何位置
boat/BME
sun/BME

# 复合词规则使用类似正则的语法
COMPOUNDRULE 2
COMPOUNDRULE BME*E      # 开始 + 任意中间 + 结束
COMPOUNDRULE BE          # 开始 + 结束（两词复合）

# 标志定义
COMPOUNDBEGIN B
COMPOUNDMIDDLE M
COMPOUNDEND E

# de_DE.aff 中的关键设置
COMPOUNDRULE 2
COMPOUNDRULE t*et       # 复合词连接符规则
COMPOUNDRULE *e*        # 中间插入

COMPOUNDMIN 3
COMPOUNDWORDMAX 5

COMPOUNDSYLLABLE 6      # 复合词最多音节数
SYLLABLENUM 3           # 最大音节数

# de_DE.dic 中
Haus/t                  # 可作为复合词开头（标志 t）
Buch/t                  # 可作为复合词开头
Tür/t                   # 可作为复合词开头

#!/bin/bash
# validate_dict.sh - 验证 .dic 和 .aff 文件完整性
DICT_BASE="$1"

if [ ! -f "${DICT_BASE}.dic" ]; then
    echo "错误: 找不到 ${DICT_BASE}.dic"
    exit 1
fi

if [ ! -f "${DICT_BASE}.aff" ]; then
    echo "错误: 找不到 ${DICT_BASE}.aff"
    exit 1
fi

echo "=== 词典验证: $DICT_BASE ==="

# 检查 .aff 文件
echo "[.aff 文件]"
echo "  编码: $(head -1 ${DICT_BASE}.aff)"
echo "  行数: $(wc -l < ${DICT_BASE}.aff)"
echo "  标志类型: $(grep -m1 '^FLAG' ${DICT_BASE}.aff || echo '未指定（默认 char）')"
echo "  SFX 规则数: $(grep -c '^SFX' ${DICT_BASE}.aff)"
echo "  PFX 规则数: $(grep -c '^PFX' ${DICT_BASE}.aff)"
echo "  REP 规则数: $(grep -c '^REP ' ${DICT_BASE}.aff)"

# 检查 .dic 文件
echo "[.dic 文件]"
TOTAL_LINES=$(wc -l < ${DICT_BASE}.dic)
HEADER=$(head -1 ${DICT_BASE}.dic)
if [[ "$HEADER" =~ ^[0-9]+$ ]]; then
    echo "  声明大小: $HEADER"
    echo "  实际词条: $((TOTAL_LINES - 1))"
else
    echo "  实际词条: $TOTAL_LINES（无大小声明）"
fi

# 检查孤立标志
echo "[标志一致性检查]"
AFF_FLAGS=$(grep -oP '(?<=^SFX\s)\S+|(?<=^PFX\s)\S+' ${DICT_BASE}.aff | sort -u)
for flag in $AFF_FLAGS; do
    count=$(grep -c "/.*${flag}" ${DICT_BASE}.dic 2>/dev/null || echo 0)
    echo "  标志 '$flag': $count 个词条使用"
done

# 实际测试
echo "[功能测试]"
echo "  正确词: $(echo 'test' | hunspell -d "$DICT_BASE" -l 2>/dev/null | wc -l) 个错误"
echo "  错误词: $(echo 'tset' | hunspell -d "$DICT_BASE" -l 2>/dev/null | wc -l) 个错误"

echo "=== 验证完成 ==="