aspell 在管道模式下可以输出行号而不是偏移量吗？

Question

aspell 可以在管道模式下为 html 和 xml 文件输出行号而不是偏移量吗？我无法逐行读取文件，因为在这种情况下 aspell 无法识别闭合标签（如果标签位于下一行）。

Answer 1

这将输出所有出现的拼写错误单词以及行号：

# Get aspell output...
<my_document.txt aspell pipe list -d en_GB --personal=./aspell.ignore.txt |

# Proccess the aspell output...
grep '[a-zA-Z]\+ [0-9]\+ [0-9]\+' -oh | \
grep '[a-zA-Z]\+' -o | \
while read word; do grep -on "\<$word\>" my_document.txt; done

其中：

• my_document.txt 是您的原始文档
• en_GB 是您的主要词典选择（例如尝试 en_US）
• aspell.ignore.txt 是 aspell 个人词典（示例如下）
• aspell_output.txt 是管道模式下 aspell 的输出（ispell 样式）
• result.txt 是最终结果文件

aspell.ignore.txt 示例：

personal_ws-1.1 en 500
foo
bar

example results.txt 输出（对于 en_GB 字典）：

238:color
302:writeable
355:backends
433:dataonly

您还可以通过更改最后一个 < 来打印整行将代码>grep -on 转换为grep -n。

Answer 2

这只是一个想法，我还没有真正尝试过（我在 Windows 机器上:()。但也许你可以通过 head 管道传输 html 文件（有字节限制）并使用 grep 计算换行数来查找你的行它既不高效也不漂亮，但它可能会起作用。

cat icantspell.html | head -c <offset from aspell> | egrep -Uc "$"

Answer 3

我使用以下脚本来执行拼写检查并解决 aspell -a / ispell 的尴尬输出。同时，该脚本还解决了 aspell 无法识别像 2nd 这样的序数的问题，方法是简单地忽略 aspell 报告的所有非其自身的单词。

#!/bin/bash

set +o pipefail

if [ -t 1 ] ; then
    color="--color=always"
fi

! for file in "$@" ; do
    <"$file" aspell pipe list -p ./dict --mode=html |
    grep '[[:alpha:]]\+ [0-9]\+ [0-9]\+' -oh |
    grep '[[:alpha:]]\+' -o |
    while read word ; do
        grep $color -n "\<$word\>" "$file"
    done
done | grep .

如果脚本的 stdout 是终端，您甚至会得到彩色输出，并且如果脚本发现拼写错误，您会得到退出状态 1，否则退出状态为脚本是0。

此外，该脚本还可以保护自己免受 pipefail 的影响，这是一个比较流行的选项，即在 Makefile 中设置的选项，但不适用于该脚本。最后但并非最不重要的一点是，此脚本显式使用 [[:alpha:]] 而不是 [a-zA-Z]，当它也匹配非 ASCII 时，不会那么混乱德语 äöüäÖÜß 等字符。 [a-zA-Z] 也是如此，但在某种程度上这令人惊讶。

Answer 4

aspell pipe / aspell -a / ispell 为每个输入行输出一个空行（报告该行的错误后）。

---

使用 awk: 打印行号的演示会

$ aspell pipe < testFile.txt |
awk '/^$/ { countedLine=countedLine+1; print "#L=" countedLine; next; } //'

产生以下输出：

@(#) International Ispell Version 3.1.20 (but really Aspell 0.60.7-20110707)
& iinternational 7 0: international, Internationale, internationally, internationals, intentional, international's, Internationale's
#L=1
*
*
*
& reelly 22 11: Reilly, really, reel, rely, rally, relay, resell, retell, Riley, rel, regally, Riel, freely, real, rill, roll, reels, reply, Greeley, cruelly, reel's, Reilly's
#L=2
*
#L=3
*
*
& sometypo 18 8: some typo, some-typo, setup, sometime, someday, smote, meetup, smarty, stupor, Smetana, somatic, symmetry, mistype, smutty, smite, Sumter, smut, steppe
#L=4

with testFile.txt

iinternational
I say this reelly.
hello
here is sometypo.

---

（仍然不如 hunspell -u (https://stackoverflow.com/a/10778071/4124767）。但是 hunspell 错过了一些我喜欢的命令行选项。）

Answer 5

对于将 aspell 与其中一种过滤模式（tex、html 等）一起使用的其他人，这里有一种仅打印拼写错误单词的行号的方法在过滤后的文本中。例如，它不会打印注释中的拼写错误。

ASPELL_ARGS="--mode=html --personal=./.aspell.en.pws"

for file in "$@"; do
  for word in $(aspell $ASPELL_ARGS list < "$file" | sort -u); do
      grep -no "\<$word\>" <(aspell $ASPELL_ARGS filter < "$file")
  done | sort -n
done

这是有效的，因为 aspell 过滤器 不会删除空行。我意识到这并没有按照OP的要求使用aspell管道，但它与使aspell打印行号的精神相同。