如何获取英语单词数据库？ [关闭]答案

【问题标题】：How to get english language word database? [closed]如何获取英语单词数据库？ [关闭]
【发布时间】：2011-01-13 21:23:24
【问题描述】：

我需要一个包含每个英语有效单词的数据库。我检查了/usr/share/dict/words 文件，它包含的单词少于 100k。维基百科说英语有 475k 单词。我在哪里可以获得完整的列表（美式拼写）？

另外，是否有一个网站也提供其他语言的单词，包括亚洲和欧洲语言？

编辑：忘了补充，我不需要名字等，只需要有效的英文单词。

【问题讨论】：

我的 /usr/share/dict/words 有 479829 个字，所以这里可能有一些变化（可能适合其他人）。
wc -l /usr/share/dict/words 在 Mac 上是 235,886 个字（2014 年 7 月 - OSX Mavericks 10.9.4）
freescrabbledictionary.com/english-word-list
你可以在这里得到一个 worlist marcoagpinto.cidadevirtual.pt/proofingtoolgui.html .. 寻找右边的 WORDLIST 链接
以防万一有人还在寻找这个，我刚刚从wordgamedictionary.com 那里得到了一本很好的免费拼字游戏字典。

【解决方案1】：

WordNet 数据库可能会有所帮助。我曾经做过一个 Firefox 插件，它处理单词以及它们与东西之间的各种简单到复杂的关联。看起来 WordNet 对您非常有用。

这里是MySQL format。 this one（网络存档链接）使用 Wordnet v3.0 数据，而不是旧的 Wordnet 2.0 数据。

【讨论】：

他们也有可下载的列表吗？
是的，他们让您能够以多种格式下载他们的数据库 - CSV、MySQL 数据库等。甚至还有可以通过 .Net、Java 等使用的 API...是下载页面-wordnet.princeton.edu/wordnet/download
是这个吗？ wordnetcode.princeton.edu/3.0/WNdb-3.0.tar.gz
我没有亲自下载它，但是当我开始编码时它已经准备好了。所以我不知道在哪个下载中会有什么文件。我只知道你可以下载不同的格式。如果您能告诉我您想要哪种格式，我可能会提供帮助。
我安装了wordnet，但是找不到任何命令行，是不是只是一个库？

【解决方案2】：

你可以在infochimps.org找到你需要的东西。

他们有一个包含 350,000 个简单（即非复合）单词的列表，可供免费下载。

关于其他语言，您可能想在维基词典上四处寻找。这是所有database backups 的链接 - 信息不太可能组织，但如果他们有语言，您可以下载 SQL 格式的数据。

【讨论】：

下载链接已更改-infochimps.com/datasets/…
令人讨厌的是 infochimps 文件是 .xls（一个包含 6 个工作表的单词的 excel 文件！）...我已经提取了所有 354986 个单词 放入 txt 文件：github.com/nelsonic/english-words
@nelsonic 非常感谢，infochimps 链接是 404
@ChrisRae 两个链接都不起作用
似乎它们包含拼写错误的单词，例如 tecnology - 大概是因为它们收集了出现在网络上的所有内容。所以它适用于密码破解/验证，但不适用于需要真实单词的应用程序（如拼写检查器等）。

【解决方案3】：

我没有看到这里提到的http://wordlist.sourceforge.net/，但如果我正在寻找类似的东西，我会从那里开始（当我偶然发现这个问题时，我就是这样）。

如果你在那里找不到你想要的，而你想要的是一个英文单词列表，那么你可能应该花一些额外的时间来描述如何识别你想要的是什么。

【讨论】：

我希望这些更广泛的列表会包含带有标点符号的单词，例如“C++”或“C#”，但找不到。因此，如果这就是您可以短路后的结果，您可以跳过这个（以及其他答案中较窄的列表）。
@hobs 从技术上讲，“C++”是一个 C 单词（更可能来自 B 语言），不一定是英语单词。它实际上被定义为合法的 C 语法。没错，英语是借用了它，但它不是来自自然语言。
@SO_fix_the_vote_sorting_bug 我不认为这是真的。英语是一种动态的、非正式的语言。没有严格的逻辑定义或范畴论数学表达式或软件程序，您可以编写来识别什么是英文单词，什么不是英文单词。您必须为应用程序的单词列表中的您创建一个统计模型。我认为 NL 是所有语言（正式和非正式）的超集，因为人类使用它们来相互交流。

【解决方案4】：

没有“完整”列表这样的东西。不同的人有不同的衡量方式——例如，它们可能包括俚语、新词、多词短语、冒犯性术语、外来词、动词变位等等。甚至有人数过a million words！所以你必须决定你想要的单词列表。

【讨论】：

感谢您的链接。一本非常有启发性的读物，了解英语中有多少单词，以及试图对它们进行明确计数是徒劳的。要获得更简洁和最新的阅读，还有这个：en.oxforddictionaries.com/explore/language-questions/…。
@HashimAziz 问题可能在于“英语”没有一个客观的定义，因为它只是一种共识类型的东西。人们可以列出“说英语的人在说英语时说过的每一句话”。但是你必须定义“说英语”和“说英语的人”。

【解决方案5】：

您可以查看 Mozilla、OpenOffice 和许多其他软件使用的 *spell en-GB dictionary。

【讨论】：

mozilla 上的链接en-gb.pyxidium.co.uk/dictionary/en_GB.zip 说找不到服务器，有什么更新吗？谢谢
@AMB 谢谢，我更新了链接以指向字典的替代来源extensions.openoffice.org/en/project/…
现在新链接是 404，@mloskot。
@james.garriss 恐怕整个extensions.openoffice.org 网站似乎都已关闭。
en-gb.pyxidium.co.uk/dictionary/en_GB.zip 可以在这里找到：web.archive.org/web/20120210204607/http://en-gb.pyxidium.co.uk/…（网络存档）

【解决方案6】：

你没有说你需要这个列表做什么。如果用作密码检查的黑名单就足够了，cracklib 可能对您有好处。它包含超过 150 万字。

【讨论】：