如何从真实语言中生成随机单词

Question

我怎样才能从真实语言中生成随机单词？

有人知道互联网上是否有此功能的API吗？

例如，我向“ht_tp://www.any...api.com/getword?lang=en”发送http请求，然后得到响应“Town”。或者是“Fast”。或者是“Received”……例如，我向“ht_tp://www.any...api.com/getword?lang=ru”发送http请求，然后得到响应“Ходить”。或者是“Шапка”。或者是“Отправлено”……任何语言的任何形式（名词、形容词、动词等）的单词。

我找到了资源“http://www.randomlists.com/random-words”。但这不是JSON格式，只有英文，并且长时间内不保证可用。

请提出任何想法。

- Tapa Save

Answer 1

您可以下载OpenOffice词典。它们作为扩展(oxt)提供，与ZIP文件没有任何区别。您可以使用7zip或类似软件打开它们。在里面，您将找到许多文件，对您来说最有趣的是*.dic文件。它们还包含分辨率或数字单词。

当您遇到像abandon/LdS这样的内容时，请去掉/LdS，这是用于hunspell。

取出这些*.dic文件，使用它们的名称作为键，将它们放入数据库中，并从中为给定的语言代码随机选择一个单词。 更新 OpenOffice存档中的旧版hunspell词典易于访问。

- cheffe

Answer 2

请参考这个答案：https://stackoverflow.com/questions/824422/can-i-get-an-english-dictionary-word-list-somewhere 下载一个单词字典，将其存入数据库并每次获取随机记录或从文件中读取随机行。这样您就不会依赖第三方API，并且可以在您能找到单词的所有语言中进行扩展。

- Nikola Sivkov

---

是的，我需要来自所有（或大多数）语言的单词。 - Tapa Save

Answer 3

这个问题可以从两个方面来看，因此我会给出两个答案：

• 如果要收集单词，我会在已知语言的网站上运行爬虫（维基百科是一个很好的起点），并去除 HTML 标签。
• 如果要从真实语言中生成单词，则更加棘手。使用收集到的单词的统计数据，可以使用马尔可夫链生成统计上真实的单词。我尝试过逐字母生成，但效果不佳。使用音节构建可能是更好的方法。

- user877329

---

你两种方法都是正确的。但第一种方法不适用于我的Android应用程序，因为这会增加用户移动设备的流量。这不是一个明智的选择。第二种方法很困难。我也考虑过在所有语言上使用字典，但这需要使用自己的Web服务（如果将字典存储在网站上），或者非常大幅度地增加本地客户端应用程序的大小（如果将字典存储在用户的移动设备上）。 - Tapa Save

@TapaSave 如果你不能成功收集数据，那么第二种方法将不会成功。关于流量：如果你阅读像维基百科这样有大量文本的网页，你将获得每个数据量的良好词汇量。为了减少搜索深度，只需获取标题页面上提到的文章页面并在本地缓存单词，经过几次运行后，你将收集到一份单词日志。 - user877329

在这种情况下，当我解析维基等页面时，我可以获取其他语言中的单词。但是我无法确定单词所属的语言。第二个负面情况：我可能会找到缩写，首字母缩略词，数字，俚语和其他“垃圾”单词。 - Tapa Save

如果你坚持使用维基百科，你会了解文章语言。现在只使用<div id="mw-content-text">中的内容，如果跳过参考部分。 - user877329