Словарь русского языка для ispell

			    Версия - 0.99g5

      Автор: Александр Лебедев (http://scon155.phys.msu.su/~swan/)

Предлагаемый орфографический словарь русского языка представляет интерес

прежде всего для пользователей системы UNIX, в которой набор средств для

проверки правописания весьма ограничен.  Однако словарь может быть

полезен и для пользователей, работающих в операционных системах Windows,

DOS и OS/2, поскольку словарь поддерживает пять различных кодировок русских

букв (см. ниже).  Встроенные в ispell функции позволяют считать его удобным

средством для работы с текстами, подготовленными в редакторе TeX, а также

с файлами в формате HTML. Вариант словаря с набором слов и affix-файлом,

подготовленными для программы MySpell, используется для проверки орфографии

в системе OpenOffice.  Кроме этого, словарь может использоваться в

локальных и глобальных поисковых системах, строящихся на основе программ,

подобных HTDig и ASPseek.

Исторически предлагаемый словарь возник из небольшого словаря русского

языка для ispell, составленного Нилом Далтоном (Neal Dalton) в 1992 г.

на основе текстов, которые автор нашел в Интернет.  Словарь Далтона был

очень небольшим (всего 52 тысячи словоформ), содержал большое число

ошибок (более 8% слов) и имел слабо развитый файл преобразования

окончаний слов (affix-файл).

На первом этапе (работа была начата в конце 1997 года) в affix-файл

словаря были добавлены отсутствовавшие в нем правила образования форм

существительных, прилагательных, причастий, наречий, изменены правила

формирования окончаний глаголов, так что affix-файл можно считать созданным

заново.  Основным подходом, положенным в основу настоящего словаря, было

использование нормализованной формы слова и правил словоизменения,

отвечающих грамматике русского языка, а не традиционное использование

программы munchlist для создания словарей для ispell.  По этой причине

этот словарь одновременно содержит и важную информацию о морфологии слов,

которая необходима для современных русскоязычных поисковых систем.  При

вычитке словаря Далтона конкретные слова были приведены к нормализованной

форме и из словаря было исключено большинство ошибочных слов.  На этом

этапе работы мной использовался орфографический словарь русского языка,

выпущенный Институтом русского языка АН СССР в 1991 г.  Одновременно в

словарь было добавлено большое число слов, взятых из технических и

литературных текстов.

На втором этапе все имеющиеся в словаре слова были перепроверены с

помощью электронного орфографического словаря "Корректор" (120 тысяч

слов), а обнаруженные расхождения выверены по орфографическому словарю

русского языка, справочнику Зализняка ("Грамматический словарь русского

языка: словоизменение", 100 тысяч слов) и "Сводному словарю современной

русской лексики" (170 тысяч слов).

Все новые слова, добавляемые в словарь после этого, проходят проверку

с помощью указанных выше орфографических словарей (в специальных

областях -- энциклопедий) и с помощью нового издания "Русского

орфографического словаря" под редакцией Лопатина (160 тысяч слов).

Слова, отсутствующие в этих изданиях, добавляются если они действительно

широко используются и в их написании нет никаких сомнений.  В настоящей

версии объем словаря составляет более 139 тысяч базовых слов, а полное

число образуемых из них словоформ превышает 1.367 миллиона (против 52 тысяч

в словаре Нила Далтона и 952 тысяч слов в имеющимся в свободном доступе

в Интернет словаре Константина Книжника, в котором, как оказалось при

выборочной проверке, содержится 6% ошибочных слов).

Отличительной чертой данного словаря от всех известных автору других

орфографических словарей является то, что начиная с версии 0.99c0 в него

включена полноценная поддержка буквы ё (другие словари просто заменяют

букву ё на букву е).  Это может быть очень полезно при подготовке литературы

для детей младшего возраста, изданий для иностранцев, орфографических

справочников -- там, где правила издания требуют использования буквы ё.

Словарь base.koi, а также шесть дополнительных словарей (abbrev.koi,

computer.koi, for_name.koi, geography.koi, rare.koi, science.koi) и файл

russian.aff.koi поставляются в кодировке koi8-r.  Для преобразования

текстов в другие поддерживаемые кодировки -- cp866 (alt), iso-8859-5,

cp1251 (win) и maccyrillic -- в комплект включен скрипт-перекодировщик

trans, написанный Владимиром Воловичем.

Внимание!  В словарь rare.koi выделены некоторые редкие слова, написание

которых мало отличается от широко распространенных слов (например, пара

слов шоссе--шассе) и включение которых в основной словарь может приводить

к пропуску ошибок.  По умолчанию эти слова не включаются в словарь.  Если

эти слова вам действительно могут понадобиться (например, при создании

поисковой системы), уберите значок # в конце строки dict = ... в

Makefile.

Словарь постоянно совершенствуется, дополняется и корректируется.

Последнюю версию словаря можно найти на сервере:

    ftp://scon155.phys.msu.su/pub/russian/ispell/rus-ispell.tar.gz

Файлы-заготовки для пользователей Windows и DOS в кодировках cp866 и cp1251

можно найти на сервере:

    ftp://scon155.phys.msu.su/pub/russian/ispell/msdos/ricp866.zip

    ftp://scon155.phys.msu.su/pub/russian/ispell/msdos/ricp1251.zip

На основе этого словаря Сергей Виницкий создал словарь для проверки

правописания в текстах, набранных в дореформенной русской орфографии.

Предложенное им расширение кодировки koi8 и сами словари можно найти по

адресу:

    http://oldrus-ispell.sourceforge.net/koi8-extended.html

Вариант словаря, подготовленный для работы с программой MySpell, можно

найти по адресу:

    ftp://scon155.phys.msu.su/pub/russian/ispell/myspell/rus-myspell.tar.gz

УСТАНОВКА:

  A. Для пользователей, работающих в UNIX

Для пользователей UNIX для работы с орфографическим словарем русского

языка понадобится пакет программ ispell (последняя версия имеет номер

3.3.02).  Эти программы обычно включаются в дистрибутивы UNIX и скорее

всего уже имеются на вашем компьютере.  При желании пакет можно взять

по адресу

    http://fmg-www.cs.ucla.edu/geoff/ispell.html

или найти на любом крупном ftp-сервере.  При самостоятельной компиляции

ispell надо скопировать файл local.h.samp в local.h, закомментировать в

нем NO8BIT (#undef NO8BIT) и установить правильные пути для BINDIR,

LIBDIR и других рабочих директорий.

Чтобы построить рабочие файлы для ispell, вам необходим GNU make и

программы buildhash (одна из программ, поставляемых вместе с ispell),

sed, а также sort, tr и uniq (стандартные текстовые утилиты UNIX), пути

к которым указаны в переменной $PATH.

  1) Поместите файл rus-ispell.tar.gz в рабочей директории и

     разархивируйте его с помощью одной из команд:

	gzip -dc rus-ispell.tar.gz | tar -xvf -

	tar -xzvf rus-ispell.tar.gz

  2) Отредактируйте Makefile и убедитесь, что LIB указывает на место,

	где ispell будет искать свои рабочие файлы

  3) Сделайте make для кодировки, используемой в вашей системе:

     koi8-r (koi), iso-8859-5 (iso), cp866 (alt), cp1251 (win) или

     maccyrillic (mac).  Для этого выберите один из следующих вариантов:

	make koi (или просто make)

	make iso

	make alt

	make win

	make mac

     Создаваемый при этом hash-файл не будет поддерживать букву ё (как

     требует того практика большинства изданий на русском языке).  Если

     же по какой-то причине вам нужна поддержка буквы ё (см. выше), для

     включения поддержки буквы ё необходимо набрать:

	make koi YO=1 (или просто make YO=1)

	make iso YO=1

	make alt YO=1

	make win YO=1

	make mac YO=1

  4) Установите словари в рабочей директории ispell (здесь вам могут

     понадобиться права доступа root):

	make install

  5) Теперь можно стереть ненужные файлы:

	make clean

  B. Для пользователей, работающих в Windows

Пользователи, работающие в Windows, могут использовать проверку русской

орфографии со словарями ispell, работая в программе TxtEdit (автор --

Лузиус Шнайдер).  Саму программу можно найти по адресу

    http://www.luziusschneider.com/TxtEditHome.htm

и дополнить ее программой ispell, адаптированной для win32, которую можно

взять с того же сайта по адресу:

    http://www.luziusschneider.com/Speller/ISpCzLoRu.exe

Установка этих программ не вызывает проблем.

Недостатком программы является использование устаревшей (примерно пятилетней

давности) версии настоящего словаря.  Для обновления этой версии пользователи

Windows могут взять готовые affix-файл и списки слов в кодировке cp1251 в

вариантах с поддержкой и без поддержки буквы ё, которые можно найти по адресу:

    ftp:://scon155.phys.msu.su/pub/russian/ispell/msdos/ricp866.zip

    ftp://scon155.phys.msu.su/pub/russian/ispell/msdos/ricp1251.zip

Для обновления словарей необходимо просто распаковать полученные файлы в

директории Program Files\Common Files\ISpell, запустить программу buildhash

(buildhash.exe russian.dic russian.aff russian.hash), а затем переместить

файлы russian.aff, russianyo.aff, russian.hash и russianyo.hash в

поддиректорию Russian, где ispell хранит рабочие файлы.

ИСПОЛЬЗОВАНИЕ:

	ispell -d russian имя_файла

----------------------------------------------------------------

  Со всеми замечаниями, пожеланиями прошу обращаться к автору,

  Александру Лебедеву (swan@scon155.phys.msu.su)