Конвертация словаря в формат Hunspell

[Yakov]

А также этот конвертер в каких-то ситуациях целиком теряет классы. Например, класс 12 используется в словаре, но отсутствует в файле аффиксов.

Это сделано специально, так как hunspell большим количеством классов начинает тормозить и потреблять огромное количество памяти. Словарь был оптимизирован, и редко используемые аффиксы исключены и представлены в виде списка слов.

И ещё он не всегда учитывает, что фамилии, имена, отчества, географические названия и прочие имена  собственные в словарь Hunspell надо писать с большой буквы, и пишет их с маленькой.

В оригинальном словаре нет указания на правописание с заглавной или маленькой буквы. В сконвертированном словаре все слова приведены маленькой буквы. Но по тегам для имён собственных, действительно, это можно восстановить. Спасибо. Будет учтено в следующей версии словаря.

[yup]

Словарь был оптимизирован, и редко используемые аффиксы исключены и представлены в виде списка слов.

Да, я читал об этом в теме. Но есть же в словаре (файле .dic) ссылки на 12-й класс... Возможно, есть и на другие несуществующие классы (я особо не искал, пока есть более актуальная задача - выискивание ошибок, там счёт идёт уже на тысячи).
Кстати, сейчас глянул чуть подробнее - что-то с этим классом 12 нечисто. Он приписан словам, которые ну никак к одному классу относиться не могут:

Код:

алконавт/12
вооруженный/12
дотянёшься/12
осведомленный/12
поликистозн/12
почем/12
самодемонтажн/12
трем/12

И этих слов даже в словаре АОТ нет.
А поскольку ошибки я сейчас выискиваю для исправления АОТ-овского словаря, то как раз подвернулся случай спросить: Ваш словарь получен чисто конвертированием того, или Вы в свой ещё какие-то слова вручную добавляли?

В сконвертированном словаре все слова приведены маленькой буквы. Но по тегам для имён собственных, действительно, это можно восстановить.

Но в Вашем словаре же есть почти 7000 имён собственных, написанных именно с большой буквы. Значит, какой-то анализ тегов и сейчас имеется?
Исследованием вопроса я пока не занимался, но так, навскидку, логика совершенно не просматривается: и имена, и фамилии, и географические названия попадаются как написанными с большой буквы, так и с маленькой.

[Yakov]

Но в Вашем словаре же есть почти 7000 имён собственных

Это слова, добавленные уже после конвертации.
Часть слов добавлялась в этот словарь и в исходники AOT параллельно.

Новая версия словаря будет переконвертирована из исходного словаря заново.

[Yakov]

Кстати, сейчас глянул чуть подробнее - что-то с этим классом 12 нечисто.

FORBIDDENWORD  12

Это запрещённые слова к подстановке в исправления.

[yup]

Это слова, добавленные уже после конвертации.
Новая версия словаря будет переконвертирована из исходного словаря заново.

В свой словарь Вы слова добавляли после конвертации вручную или как-то автоматизированно? Те изменения, которые я внесу в словарь, на Ваш процесс в случае пересечения по словам точно никак повлиять не смогут? Или будет иметь смысл дать вам список моих изменений?

Это запрещённые слова к подстановке в исправления.

Вот чёрт, всё время я про FORBIDDENWORD забываю...
(А мне ж ещё с командой Hunspell насчёт этого флага бодаться придётся - уговаривать изменить алгоритм его обработки, потому что нынешняя логика очень уж похожа на ошибку.)

[Yakov]

потому что нынешняя логика очень уж похожа на ошибку

В чём обработка флага не соответствует ожидаемому?

[yup]

Если схематично, то сейчас это так:

Есть абстракция "слово" (в файле .dic). У "слова" могут быть "потомки" (образуемые с помощью аффиксов). Но правильнее их назвать "потомки1", так как могут быть ещё и "потомки2" (образуемые от "потомков1" в случае использования двойных аффиксов).

Если "слово" является запрещённым, то все его потомки автоматически тоже считаются запрещёнными.
Но если слово нормальное, а запрещённым оказывается "потомок1", то его потомки запрещёнными не считаются.

А документация на этот счёт невнятна. Точнее, двусмысленна. Но как её ни трактуй, а логика работы должна обладать постоянством.