如何对 html 和 xml 进行拼写检查？答案

【问题标题】：How to do spell check on html and xml?如何对 html 和 xml 进行拼写检查？
【发布时间】：2011-07-30 19:49:54
【问题描述】：

我必须对大量大型 html 和 xml 文档（超过 30.000 个）进行拼写检查。我还需要自定义字典和复杂的检查算法。我尝试将BASH + linux 实用程序（sed，grep，...）与 hunspell 一起使用。 Hunspell 有选项 -H 强制它将文档检查为 HTML（对于 XML，该选项也适用）。但是有一个问题：它输出偏移量而不是行数，它也可以逐行检查，因为在这种情况下它会查看标签内部（他找不到封闭标签）。那么完成任务的正确方法是什么？

【问题讨论】：

你在普通的aspell 中到底缺少什么？
我建议您在帖子中添加一个 XML 标记。 S.O. 有相当多的高级 XML 用户。祝你好运！
我找不到如何强制aspell 输出行号而不是奇怪且有用的偏移量（如hunspell）。
Hunspell 现在有用于 XML 的 -X 选项。

标签： xml bash spell-checking hunspell

【解决方案1】：

我刚刚有一个similar problem。您应该能够通过使用那些未记录的开关来获得良好的输出，例如-u 或 -U。但要小心，因为这些功能现在似乎是实验性的，我只是通过查看 hunspell 的来源才发现它们的存在。

所以本质上：

hunspell -H -u my-file.html

应该这样做。

另外，您还可以使用开关-u1、-u2 和-u3。

【讨论】：

【解决方案2】：

您是否尝试过使用tidy？

我没有在如此多的文件上使用它，但它可以很好地在 100 多个 HTML 页面中查找问题。您还可以在 XML 文件上使用它，并且能够接受具有许多我尚未探索的选项的配置文件。

【讨论】：

我找不到自定义字典规范的选项。可能吗？拼写检查如何快速可靠？
如果无法将其添加到配置文件中，我不确定是否可以整齐地完成。立即解析 1 个 html 文件，但我不确定解析数千个文件需要多少。您还需要一个脚本或其他东西来解析结果，因为它们可能很冗长。