# ~/.hunspell_personal
# 个人词典 - 第一行可选编码声明
Hunspell
API
APIs
JSON
HTTP
GitHub
Docker
kubernetes
golang

# 检查时加载个人词典
hunspell -d en_US -p ~/.hunspell_personal document.txt

# 多个个人词典合并
hunspell -d en_US -p ~/.hunspell_personal -p ./.hunspell_project document.txt

# 启动交互模式，指定个人词典
hunspell -c -p ~/.hunspell_personal document.txt

# 遇到新词时的交互命令：
# A — 将当前词加入个人词典（保留大小写）
# I — 将当前词小写形式加入个人词典
# U — 将当前词词根形式加入个人词典

# 个人词典也可以使用 affix 标志
# 格式与 .dic 文件中的条目相同
API/S               # API → APIs（S 标志 = 复数）
Kubernetes          # 只接受此形式
docker/S            # docker → dockers

# 创建项目词典
mkdir -p .hunspell

# 从项目文件中提取专有名词和技术术语
cat > .hunspell/project.dic << 'EOF'
# 项目术语词典
# 编程语言
golang
TypeScript
JavaScript
Python
Rust

# 框架和工具
Docker
Kubernetes
Redis
PostgreSQL
GraphQL
RESTful
gRPC

# 项目特有术语
BaaS
microservice
webhook
tokenization
autoscaler

# 人名/团队
GitHub
GitLab
EOF

#!/bin/bash
# extract_terms.sh - 从项目文件中提取候选术语
# 找出被 Hunspell 标记为错误但出现频率较高的词

DIR="${1:-.}"
DICT="${2:-en_US}"
FREQ_THRESHOLD=3

echo "=== 项目术语提取 ==="

# 收集所有拼写"错误"的词
find "$DIR" -type f \( -name "*.md" -o -name "*.txt" -o -name "*.rst" \) -print0 | \
xargs -0 hunspell -l -d "$DICT" 2>/dev/null | \
sort | uniq -c | sort -rn | \
while read count word; do
    if [ "$count" -ge "$FREQ_THRESHOLD" ]; then
        echo "$count $word"
    fi
done

#!/bin/bash
# gen_project_dict.sh - 自动生成项目词典
# 用法: ./gen_project_dict.sh <目录> [主词典]

DIR="${1:-.}"
MAIN_DICT="${2:-en_US}"
OUTPUT=".hunspell/project.dic"
FREQ_THRESHOLD=2

mkdir -p .hunspell

echo "# 自动生成的项目词典" > "$OUTPUT"
echo "# 生成时间: $(date)" >> "$OUTPUT"
echo "# 频率阈值: $FREQ_THRESHOLD" >> "$OUTPUT"

find "$DIR" -type f \( -name "*.md" -o -name "*.txt" -o -name "*.rst" -o -name "*.html" \) -print0 | \
xargs -0 hunspell -l -d "$MAIN_DICT" 2>/dev/null | \
sort | uniq -c | sort -rn | \
while read count word; do
    if [ "$count" -ge "$FREQ_THRESHOLD" ]; then
        echo "$word" >> "$OUTPUT"
    fi
done

TOTAL=$(grep -cv "^#" "$OUTPUT")
echo "已生成项目词典: $OUTPUT"
echo "包含 $TOTAL 个术语"

# 按类别组织词典
.hunspell/
├── project.dic        # 主项目词典（合并所有）
├── terms/
│   ├── programming.dic    # 编程术语
│   ├── company.dic        # 公司/产品名
│   ├── people.dic         # 人名
│   └── abbreviations.dic  # 缩略语
└── build.sh           # 合并脚本

# build.sh - 合并分类词典
#!/bin/bash
cat .hunspell/terms/*.dic | grep -v "^#" | sort -u > .hunspell/project.dic
echo "合并完成: $(wc -l < .hunspell/project.dic) 个术语"

# programming.dic
# 编程语言
TypeScript
JavaScript
Python
Rust
Golang
golang
Kotlin
Swift
Ruby
Perl
Lua
Haskell
Scala
Clojure
Erlang
Elixir

# 概念和模式
async
await
callback
closure
middleware
polymorphism
abstraction
encapsulation
inheritance
multithreading
concurrency
idempotent
refactor
deserialization
serialization
normalization
denormalization

# 工具和平台
Docker
Kubernetes
K8s
Redis
PostgreSQL
MySQL
MongoDB
Elasticsearch
Kafka
RabbitMQ
Nginx
Grafana
Prometheus
Jenkins
GitLab
GitHub
Bitbucket
Ansible
Terraform
Vagrant

# company.dic
# 公司名
Google
Microsoft
Apple
Amazon
Meta
Netflix
Uber
Airbnb
Slack
Stripe
Cloudflare
Datadog
NewRelic
PagerDuty
Twilio
Auth0
Okta
Algolia
Terraform
Vercel
Netlify
DigitalOcean
Hetzner
OVH
Linode

#!/bin/bash
# import_csv_dict.sh - 从 CSV 文件导入词表
# CSV 格式: word,category,notes

INPUT="$1"
OUTPUT="${2:-.hunspell/project.dic}"

echo "# 从 CSV 导入的词表" > "$OUTPUT"
echo "# 来源: $INPUT" >> "$OUTPUT"

# 提取第一列（word），跳过标题行
tail -n +2 "$INPUT" | cut -d',' -f1 | sort -u >> "$OUTPUT"

echo "导入完成: $(grep -cv "^#" "$OUTPUT") 个词条"

# 从 package.json 提取依赖名
cat package.json | python3 -c "
import json, sys
data = json.load(sys.stdin)
deps = list(data.get('dependencies', {}).keys())
deps += list(data.get('devDependencies', {}).keys())
for d in sorted(set(deps)):
    print(d)
" > .hunspell/npm_deps.dic

# 从 requirements.txt 提取 Python 包名
grep -v '^#' requirements.txt | grep -v '^$' | \
    sed 's/[>=<].*//' | sort -u > .hunspell/pip_deps.dic

# TRY 指令中的字符频率
TRY esianrtolcdugmphbyfvkwz
# 这个顺序影响建议排序，常用字母开头的词优先

# REP 指令中的替换优先级
REP 5
REP ie ei           # recieve → receive（更常见的错误）
REP ei ie           # 这个较少见
REP gh f            # enouf → enough

# 不同词根使用不同标志，控制生成的词形数量
# 高频词：给予更多标志
run/DGS             # 可生成：runs, ran, running
# 低频词：只给复数标志
abbreviation/SM     # 只生成：abbreviations
# 技术术语：不展开
API                 # 只接受原始形式

# 原则 1: 按词性分组标志
# 名词相关
SFX S ...           # 复数 -s/-es
SFX M ...           # 所有格 -'s

# 动词相关
SFX D ...           # 过去式 -ed
SFX G ...           # 现在分词 -ing
SFX T ...           # 第三人称 -s

# 形容词相关
SFX R ...           # 比较级 -er
SFX E ...           # 最高级 -est
SFX L ...           # 副词 -ly
SFX N ...           # 名词化 -ness

# 前缀
PFX U ...           # un-
PFX R ...           # re-
PFX D ...           # dis-

# 原则 2: 保留特殊标志
KEEPCASE K          # 大小写敏感词
NOSUGGEST X         # 不提供建议
NEEDAFFIX N         # 必须有词缀
ONLYINCOMPOUND O    # 仅复合词
FORBIDDENWORD F     # 禁用词

# 动词标志组合示例
walk/DGS            # walk, walked, walking, walks
run/DGS             # run, ran? running, runs (ran 需手动处理)

# 名词标志组合示例
cat/SM              # cat, cats, cat's
child/SM            # child, children? child's (不规则需手动处理)

# 形容词标志组合示例
happy/RYLN          # happy, happier, happiest, happily, happiness
great/RYL           # great, greater, greatest, greatly

# .hunspell/project.aff
SET UTF-8
FLAG long

# 通用复数
SFX S Y 2
SFX S   0   s       [^sxzh]
SFX S   0   es      [sxzh]

# 技术词汇复数 (y → ies)
SFX J Y 1
SFX J   y   ies     [^aeiou]y

# 动词 -ing
SFX G Y 2
SFX G   e   ing     e
SFX G   0   ing     [^e]

# 动词 -ed
SFX D Y 2
SFX D   0   d       e
SFX D   0   ed      [^e]

# 不使用建议
NOSUGGEST X

# 保持大小写
KEEPCASE K

# 建议字符频率
TRY esianrtolcdugmphbyfvkwz

# .hunspell/project.dic
100
Docker/K
Kubernetes/K
API/S
APIs
TypeScript/K
JSON
HTTP
HTTPS
GraphQL/K
gRPC
webhook/S
microservice/JS
tokenization/S
autoscaler/S

# .gitignore 建议配置
# 排除临时文件
.hunspell/*.tmp
.hunspell/*.bak

# 保留词典文件（团队共享）
# .hunspell/project.dic  ← 不忽略
# .hunspell/project.aff  ← 不忽略

#!/bin/bash
# merge_dicts.sh - 合并多个词典
# 用法: ./merge_dicts.sh dict1.dic dict2.dic dict3.dic > merged.dic

{
    echo "# 合并词典"
    echo "# 生成时间: $(date)"
    for f in "$@"; do
        echo "# 来源: $f"
    done
    
    # 合并所有词典，跳过注释和空行，去重排序
    cat "$@" | grep -v "^#" | grep -v "^$" | sort -u
} | tee /dev/stderr | wc -l | xargs -I{} echo "合并后: {} 个词条"

#!/bin/bash
# diff_dicts.sh - 比较两个词典的差异
DICT_A="$1"
DICT_B="$2"

echo "=== 词典差异比较 ==="
echo "词典 A: $DICT_A ($(grep -cv "^#" "$DICT_A") 个词条)"
echo "词典 B: $DICT_B ($(grep -cv "^#" "$DICT_B") 个词条)"
echo ""

# 只在 A 中
comm -23 <(grep -v "^#" "$DICT_A" | sort) <(grep -v "^#" "$DICT_B" | sort) > /tmp/only_a.txt
echo "只在 A 中: $(wc -l < /tmp/only_a.txt) 个"
head -10 /tmp/only_a.txt | sed 's/^/  /'

# 只在 B 中
comm -13 <(grep -v "^#" "$DICT_A" | sort) <(grep -v "^#" "$DICT_B" | sort) > /tmp/only_b.txt
echo "只在 B 中: $(wc -l < /tmp/only_b.txt) 个"
head -10 /tmp/only_b.txt | sed 's/^/  /'

# 两者共有
comm -12 <(grep -v "^#" "$DICT_A" | sort) <(grep -v "^#" "$DICT_B" | sort) > /tmp/common.txt
echo "共有: $(wc -l < /tmp/common.txt) 个"

#!/bin/bash
# validate_dict.sh - 验证自定义词典格式
DICT_FILE="$1"

echo "=== 词典验证: $DICT_FILE ==="

# 检查文件存在
if [ ! -f "$DICT_FILE" ]; then
    echo "错误: 文件不存在"
    exit 1
fi

# 统计行数
TOTAL=$(wc -l < "$DICT_FILE")
COMMENT=$(grep -c "^#" "$DICT_FILE")
EMPTY=$(grep -c "^$" "$DICT_FILE")
VALID=$((TOTAL - COMMENT - EMPTY))

echo "总行数:    $TOTAL"
echo "注释行:    $COMMENT"
echo "空行:      $EMPTY"
echo "有效词条:  $VALID"
echo ""

# 检查是否有重复
DUPES=$(grep -v "^#" "$DICT_FILE" | grep -v "^$" | sort | uniq -d)
if [ -n "$DUPES" ]; then
    echo "警告: 发现重复词条:"
    echo "$DUPES" | head -10 | sed 's/^/  /'
else
    echo "✓ 无重复词条"
fi

# 检查空格开头的行
SPACE_LINES=$(grep -c "^ " "$DICT_FILE")
if [ "$SPACE_LINES" -gt 0 ]; then
    echo "警告: $SPACE_LINES 行以空格开头"
fi

# 检查行尾空格
TRAIL_SPACE=$(grep -c " $" "$DICT_FILE")
if [ "$TRAIL_SPACE" -gt 0 ]; then
    echo "警告: $TRAIL_SPACE 行有尾部空格"
fi

echo ""
echo "=== 验证完成 ==="

# .github/workflows/spellcheck.yml
name: Spell Check

on: [push, pull_request]

jobs:
  spellcheck:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Install Hunspell
        run: sudo apt-get install -y hunspell hunspell-en-us

      - name: Run spell check
        run: |
          # 使用项目词典
          ERRORS=$(find . -name "*.md" -not -path "./.git/*" \
            -exec cat {} \; | \
            hunspell -d en_US -p .hunspell/project.dic -l | \
            sort -u)
          
          if [ -n "$ERRORS" ]; then
            echo "发现拼写错误:"
            echo "$ERRORS"
            exit 1
          fi
          echo "拼写检查通过 ✓"

#!/bin/bash
# .git/hooks/pre-commit - 拼写检查钩子

# 获取暂存的 Markdown 文件
STAGED_FILES=$(git diff --cached --name-only --diff-filter=ACM | grep '\.md$')

if [ -z "$STAGED_FILES" ]; then
    exit 0
fi

echo "运行拼写检查..."

ERRORS=""
for file in $STAGED_FILES; do
    file_errors=$(hunspell -l -d en_US -p .hunspell/project.dic "$file" 2>/dev/null)
    if [ -n "$file_errors" ]; then
        ERRORS="$ERRORS\n$file:\n$file_errors"
    fi
done

if [ -n "$ERRORS" ]; then
    echo -e "拼写检查失败:$ERRORS"
    echo ""
    echo "提示: 将正确的词添加到 .hunspell/project.dic"
    echo "或使用 git commit --no-verify 跳过检查"
    exit 1
fi

echo "拼写检查通过 ✓"
exit 0

# 技术文档团队的词典管理策略

1. 公司级词典 (.hunspell/company.dic)
   - 公司名称、产品名称、品牌名
   - 公司内部术语
   - 由文档团队负责人维护

2. 产品级词典 (.hunspell/product.dic)
   - 产品特有的技术术语
   - API 名称、端点名称
   - 由各产品团队维护

3. 个人词典 (~/.hunspell_personal)
   - 个人常用词汇
   - 拼写习惯差异（如 color vs colour）
   - 各自维护

4. 加载顺序：
   hunspell -d en_US \
     -p ~/.hunspell_personal \
     -p .hunspell/company.dic \
     -p .hunspell/product.dic \
     document.md

# 多语言文档的词典管理
# 文档中混合中英文技术内容

# 方案 1: 分段检查
# 英文段落用英文词典
grep -P '[a-zA-Z]{3,}' document.md | hunspell -d en_US -l

# 方案 2: 使用排除列表
# 提取所有英文单词，排除已知正确词
cat document.md | \
    grep -oP '\b[a-zA-Z]{3,}\b' | \
    sort -u | \
    hunspell -d en_US -p .hunspell/mixed.dic -l

# 学术论文词典

# 学科术语
neural
backpropagation
epoch
tensor
gradient
lstm
transformer
attention
embedding
tokenization
tokenizer

# 引用格式
doi
arxiv
preprint

# 作者常见引用
Vaswani
Bahdanau
Cho
Bengio
Hinton
LeCun