根据单词/字典插入空格

Question

我正在寻找一种方法来获取没有空格的短语（例如 twitter 上的热门话题），并根据短语中的单词在适当的位置放置空格。大概与字典进行某种比较会起作用吗？

例如：我有一个函数接受短语“septemberwish”（Twitter 上的当前趋势），它会返回“september wish”。

Answer 1

这会很棘手。您很容易得到模棱两可的单词合并，其中多次分离会产生有效的单词。

也就是说，您可以使用拼写检查器。请参阅pspell 扩展。

算法可以将单词分隔为不同的点，直到产生两个有效单词。示例：

septem berwish（在楼层拆分（长度/2）；均无效） septemb erwish（在楼层分割（长度/2）+1；均无效） septe mberwish（在楼层拆分（长度/2）-1；均无效） septembe rwish（在楼层分割（长度/2）+2；均无效） sept emberwish（在楼层拆分（长度/2）-2；第一个有效，第二个无效） 九月愿望（在楼层分割（长度/2）+3；都有效；停止）

对于两个以上的词，需要另一种方法。一种可能性是从末尾删除字符，直到您有一个有效的单词，然后对未匹配的其余部分执行相同操作：

九月愿望二（无效） septemberwishtw（无效） ... 九月（有效；获得第一名） 愿望二（无效） ... 希望（有效；得到第二个） 两个（有效；获得第三个）

Answer 2

在最简单的实现中，从字符串的开头开始添加字母，并与给定长度的字典进行比较：例如

s // no match
se // no match
sep // no match
...
september // match! add space, add to output
// continue where we left off
w // no match
wi // no match
wis // no match
wish // match! add space, add to output
end of string, terminate

棘手的一点是：可能有一些字符串可以被解析成各种短语（the-site-that-shall-not-be-named，例如）。实际上，你的例子就是一个（虽然一个词并不常见）：

septemberwish vs septemberwish

我想您可以先尝试使用较小的常用词词典，或者先尝试最长的词；或者给不常用的词一个较低的权重。