文本解析：區分「字典單詞」和名稱

Question

我有包含「字典單詞」和名稱的英文和德文文本。

例如「...在佛羅倫薩畫家萊昂納多建造...」

我有一個Java程序需要確定每個單詞是否是一個名稱或單詞的各自的語言。

例如名稱= {...，佛羅倫薩，萊昂納多，...}，語言中的單詞= {...，在，在，畫家，建，...}

我看到兩種方法：

1. 使用相應的字典列表，將其加載到散列結構中，查看該單詞是否在其中（語言單詞）或不是（名稱/拼寫錯誤）。

   問題/問題：

   我找不到這裏的名字被排除

   字flexions一個德語單詞列表（在德國複雜的）可能無法在列表中

2. 使用服務/ api將單個單詞翻譯成另一種語言，查看該單詞是否被更改（語言單詞）或不是（名稱/拼寫錯誤）。

   問題/問題：

   名稱可能被翻譯爲好，例如佛羅倫薩> Florenz

   我找不到離線詞典列表/ api。所以我認爲使用在線服務是一條可行的路線，但像谷歌翻譯這樣的大公司並不是免費的。

當然，有些名稱與詞典詞相似，在兩種方法中它們都被識別爲詞典詞，它們都很好。

主要問題是：英語和德語中是否存在沒有名稱的綜合字典列表，充其量還有詞語彎曲？

或者： 有沒有一個免費的（在線）API來完成這項任務？還有其他解決方案嗎？

Answer 1

您可以通過檢查第一個字母是否爲大寫字母來查找很多名稱。之後，你將排除所有跟蹤結束符的字符{「。」，「！」，「？」}。

假設它更多的是一個故事，假設一個名稱會出現多次是非常安全的。使用你已經找到的所有名字，並將它們對照在句尾結束後出現的所有大寫單詞列表進行檢查。添加那些平等的人。

第二部分應該只在你想要每一次發生而不只是發生的時候完成。

至少，我就是這麼想的。

編輯：我對德語不太熟悉，但我的方法確實會對德語有一些問題。請參閱Joop Eggen針對該語言的解決方案。

Answer 2

是的德語是一個問題，因爲非名詞名詞也是大寫。

雖然有一種語言屬性。儘管可以說「美麗的佛羅倫薩」（「dasschöneFlorenz」），但對於個人名稱，前面的文章/形容詞的用法非常罕見。也可以考慮複數的例外「Müllers」（「Müllers」）。

所以你只需要一個地理名稱等列表。

並檢測前面的文章/形容詞（der/die/das/...和-e/-en/-...）。