简单贝叶斯拼写检查器

首先需要准备一个语料库，就是有很多正确的英文文章那种就可以，尽量多种类别的文章多找一些。

上代码

import re, collections
 
def words(text): return re.findall('[a-z]+', text.lower()) #去除特殊符号，只留下英文字符，并且转化为小写，只统计连着的英语字母形成的单词
 
def train(features):  #设置初值为1， 令那些没有出现过的词汇的先验概率不为0， 如果是0的话，整个概率就一定为0，太绝对了
    model = collections.defaultdict(lambda: 1)
    for f in features:
        model[f] += 1   #统计所有的词汇的统计数量
    return model
 
NWORDS = train(words(open('big.txt').read()))
 
alphabet = 'abcdefghijklmnopqrstuvwxyz'
 
def edits1(word):#返回编辑距离为1的集合，就是只变动一个字母就正确的单词
    n = len(word)
    return set([word[0:i]+word[i+1:] for i in range(n)] +                     # deletion
               [word[0:i]+word[i+1]+word[i]+word[i+2:] for i in range(n-1)] + # transposition
               [word[0:i]+c+word[i+1:] for i in range(n) for c in alphabet] + # alteration
               [word[0:i]+c+word[i:] for i in range(n+1) for c in alphabet])  # insertion
 
def known_edits2(word):#返回的是，对编辑距离为1的单词在进行一次编辑距离加一的操作，总的来看就是编辑距离为2， 返回那些在语料库中存在的单词
    return set(e2 for e1 in edits1(word) for e2 in edits1(e1) if e2 in NWORDS)
 
def known(words): return set(w for w in words if w in NWORDS)#返回在语料库中出现过的正确的词汇
 
def correct(word):
    candidates = known([word]) or known(edits1(word)) or known_edits2(word) or [word]#一种列表的高级用法，只要向后的列表中有一个不为空就不在看后面的单词集合了
    return max(candidates, key=lambda w: NWORDS[w])#按照词频返回词频最大的单词