tdesktop/Telegram/ThirdParty/hunspell/man/hu/hunspell.5

.hla hu
.TH hunspell 5 "2014. május 26."
.LO 1
.SH NÉV
hunspell \- a Hunspell állományainak formátuma
.SH LEÍRÁS
A
.IR Hunspell (1)
két állományt igényel egy adott nyelven történő helyesírás\-ellenőrzéshez.
Az első állomány egy szótárállomány, ami az adott nyelv szavait, és
ezek kapcsolóit (attribútumait) tartalmazza. A második állomány
egy ragozási (affixum) állomány, ami meghatározza az említett
kapcsolók jelentését.

.SH SZÓTÁRÁLLOMÁNY
Egy hunspell
.B szótárállomány
(*.dic) első sora a szótárállományban
lévő szavak közelítő számát tartalmazza (az optimális méretű
memóriaterület lefoglalásához). A többi sor soronként egy
szót tartalmaz. Minden szó után nem kötelezően egy
perjel, és egy, vagy több kapcsoló következhet. A
kapcsolók egybetűsek, és meghatározzák, hogy milyen
toldalékokat kaphat a tőszó, illetve milyen egyéb speciális
tulajdonságokkal rendelkezik. Például a
.PP
.RS
.nf
1
hunspellezik/EeX
.fi
.RE
.PP
szótár egy szót tartalmaz (hunspell), ami a magyar ragozási
állomány alapján alanyi és tárgyas igeragozást is
vonz (E és e kapcsolók), valamint igekötő prefixumokat is
kaphat. A példa szótárállomány és a magyar ragozási
állomány alapján a \fImeghunspelleztétek\fR helyes szóként
kerülne felismerésre.

A szótári szavak perjelet is tartalmazhatnak, ha
az fordított perjellel van bevezetve: "\/". A kapcsolók
alapértelmezésként egy karakteresek, de ha több ragozási
osztályt szeretnénk használni, ez több karakteresre vagy számra is
módosítható.

A Hunspell szótárállományok sorai kiegészítő adatmezőket is tartalmazhatnak,
amelyek szóközökkel vagy tabulátorokkal vannak elválasztva (l. kiegészítő
adatmezők).

A személyes szótárak egyszerű szólisták. Megadhatunk
perjellel elválasztott példaszavakat is a toldalékolás engedélyezésére:

.PP
.RS
.nf
Obama/Tamara
.fi
.RE
.PP

A példában a Tamara szó toldalékolását a személyes szótár
Obama szavára is alkalmazza az ellenőrző, elfogadva az Obamáról,
Obamáékat stb. alakokat is.

.SH RAGOZÁSI ÁLLOMÁNY
A
.B "ragozási állomány"
rendszerint kisebb méretű. Különféle definíciókat és
ragozási szabályokat ad meg meghatározott kulcsszóival. Például a
.B SET
a karakterkódolás, a
.B TRY
javaslattevésnél módosítot betűk, a
.B REP
a javaslattevésnél módosított szórészletek, a
.B PFX
és az
.B SFX
pedig a szó elejére és végére illesztendő toldalékok megadására szolgál.

A következő példa egy UTF\-8-as kódolású szótár affixumállományának
definíciója. A TRY felsorolja a magyar betűket gyakorisági sorrendjükben,
a LANG beállítja a magyar nyelvet, a WORDCHARS megadja azokat a karaktereket,
amelyeket a parancssori Hunspell a szavak részeként fog kezelni.

.PP
.RS
.nf
SET UTF\-8
TRY íóúÍÓÚtaeslzánorhgkiédmyőpvöbucfjüűxwqTAESLZÁNORHGKIÉDMYŐPVÖBUCFJÜŰXWQ\-.
LANG hu_HU
WORDCHARS \-.§%‰°0123456789

REP 2
REP j ly
REP ly j

PFX X Y 3
PFX X   0    meg          .
PFX X   0    rá           .
PFX X   0    össze        .

SFX e Y 6
SFX e   ik   tük          e[dz]ik
SFX e   ik   tétek        e[dz]ik
SFX e   ik   ték          e[dz]ik
SFX e   0    tük          e[dzt]
SFX e   0    tétek        e[dzt]
SFX e   0    ték          e[dzt]

SFX f Y 2
SFX f   ik   het/e        e[dz]ik
SFX f   ik   tet/e        e[dz]ik
.fi
.RE
.PP

A REP a j és ly felcserélése esetén ad jó és elöl rangsorolt
javaslatokat. A PFX-ek pár igekötőt definiálnak, az SFX-ek
pedig pár igeragot. Ezek nagyobb részénél a szó végi ik is levágásra
kerül a toldalék illesztése előtt. Itt az illesztés feltétele, hogy az
igék -edik vagy -ezik karaktersorozatra végződjenek, különben pedig
az -ed, -ez vagy -et betűkre. Az f jelű toldalékolási osztály
érdekessége, hogy a -het és -tet illesztése után még folytatódhat
a toldalékolás az e jelű toldalékolási osztállyal (ezt a het/e
ls tet/e határozza meg), így kaphat -hettük, -hettétek, -hették,
-tettük, -tettétek, -tették toldalékokat a szótárban szereplő
levelezik szó:

.PP
.RS
.nf
1
levelezik/e
.fi
.RE
.PP

.SH "ÁLTALÁNOS PARAMÉTEREK"
A Hunspell forrás több mint 80 példát tartalmaz a
paraméterek használatára vonatkozóan. A következő leírás
nem teljes, l. még az angol kézikönyvoldalt is.
.IP "SET karakterkód"
A szótár és affixumállomány karakterkódolásának beállítása.
A lehetséges értékek: UTF-8, ISO8859\-1-től ISO8859\-10-ig, 
ISO8859\-13\-ISO8859\-15, KOI8-R, KOI8-U, cp1251, ISCII-DEVANAGARI.
.IP "FLAG érték"
A kapcsolók 1 karakteres alapbeállításának módosítása.
(A ragozási osztályokat és egyéb tulajdonságokat jelölik a kapcsolók,
amelyek alapértelmezés szerint 1 karakteresek, a pékdákban
legtöbbször nagybetűvel szerepelnek). Az `UTF-8' értékkel
Unicode karaktereket használhatunk kapcsolóként (UTF-8 kódolással és
maximum 65 ezres karakterkódig), a `long' értékkel két karakteres
kapcsolókat (több kapcsoló esetén sincs elválasztójel, a `num'
értékkel vesszővel elválasztott decimális számokat 1-től
65 ezerig.
.IP "COMPLEXPREFIXES"
Kétszeres prefixumillesztést állít be (de csak egyszeres szuffixumokat
az alapértelmezett kettő helyett.) Jobbról balra író ragasztó nyelveknél hasznos.
.IP "LANG nyelvkód"
Nyelv megadása (nyelvfüggő programrészek bekapcsolásához) az
ISO nyelv- és régiókóddal (pl. hu_HU).
.IP "IGNORE karakterek"
A felsorolt karaktereket törli a szótári szavakból és toldalékokból,
valamint a bemeneti szavakból. Hasznos az opcionális írásjelek, mint
az arab vagy a héber mellékjelek kezelésére.
.IP "AF a_következő_AF_sorok_száma"
.IP "AF kapcsolók"
A Hunspell program képes a kapcsolóhalmazokat egy természetes
számmal helyettesíteni a szótárállományban 
és a többszörös toldalékásnál az affixumállományban (alias tömörítés),
felgyorsítva ezzel a szótár betöltődését és csökkentve a program
memóriaigényét. Egy rövid példa:
.PP
.RS
.nf
3
hello
try/1
work/2
.fi
.RE
.PP
És a kapcsolódó AF definíciók az affixumállományban:
.PP
.RS
.nf
SET UTF-8
TRY esianrtolcdugmphbyfvkwzESIANRTOLCDUGMPHBYFVKWZ'
AF 2
AF A
AF AB
...
.fi
.RE
.PP

Ami megfelel a következő szótárállománynak:

.PP
.RS
.nf
3
hello
try/A
work/AB
.fi
.RE
.PP
Lásd még a tests/alias* példát a forrásban.

Megjegyzés: az AF sorok nem előzhetik meg a FLAG paramétert.
Alias tömörítésre szolgál a Hunspell makealias segédprogramja.

.IP "AM a_következő_AM_sorok_száma"
.IP "AM morfológiai_és_egyéb_adatmezők"
A Hunspell program képes a kiegészítő adatmezőket
egy természetes számmal helyettesíteni, az AF paraméterhez hasonlóan.
Lásd még a tests/alias* példát a forrásban.

.SH "JAVÍTÁSI PARAMÉTEREK"
Az alapértelmezett n-gram, illetve betűcserén és -törlésen
alapuló javaslatokat kiegészíthetjük a javítási paraméterekkel.
A REP segít a tipikus hibák és javításuk megadásában.
A PHONE a kiejtést kevésbé követő írásrendszereknél nyújt segítséget.
.IP "KEY szomszédos_karakterek_opcionálisan_függőleges_vonallal_elválasztva"
A nyelv alapértelmezett billentyűzetkiosztását adhatjuk meg a KEY
paraméterrel, hogy a javaslatoknál a szomszédos betűk elütését
felismerje a program. A nem szomszédos betűket függőleges vonallal
választhatjuk el:
.PP
.RS
.nf
KEY öüó|qwertzuiopőú|asdfghjkléáű|íyxcvbnm
.fi
.RE
.PP
.IP "TRY karakterek"
A javaslattevésnél az 1 karakteres próbálkozásoknál az itt felsorolt
karakterekre cserél, illetve bővít. A paraméternél a kis- és nagybetűket
külön kell megadni.
.IP "NOSUGGEST kapcsoló"
Az itt definiált kapcsolóval jelölt szavakat a program nem javasolja
a hibajavításnál. Vulgáris és obszcén szavak esetében hasznos.
.IP "MAXNGRAMSUGS"
Az n-gram (n hosszú szórészletek megegyezősége alapján súlyozott)
javaslatok maximális számának beállítása. Alapértelmezetten
5. A 0 érték kikapcsolja az n-gram javaslatokat.
.IP "NOSPLITSUGS"
Nem javasol szófelbontást a Hunspell ezzel a beállítással.
Hiányzó összetettszó-kezelés esetén hasznos a hibás különírási
javaslatok tiltására.
.IP "SUGSWITHDOTS"
Ha a hibás szó pont(ok)ra végződik, ezeket a javaslatok esetében is
feltünteti. A LibreOffice szótárak számára nem szükséges ez a
beállítás.
.IP "REP szám"
.IP "REP mit mire"
A javítási cseretáblázat megadására szolgáló definíciók.
Az első REP után adjuk meg a többi REP sor számát.
Ezek a sorok már két paramétert várnak: először
megadjuk a felismerendő mintát (hibás szórészletet),
utána pedig azt a karaktersorozatot, amire a felismert
mintát javítani szeretnénk. A helyesírás\-ellenőrző
a cseretáblázat révén tud helyes javaslatot tenni
többkarakteres eltérés (pl. j-ly) esetén.

A szóköz aláhúzásjellel helyettesítendő a javaslatokban:

.PP
.RS
.nf
REP 1
REP végülis végül_is
.fi
.RE
.PP

A szervíz, szintű és a hasonló hibás összetett szavak
letiltásában szintén a REP táblázat segít a CHECKCOMPOUNDREP
megadásával (l. ott).

.IP "MAP a_MAP_definíciók_száma"
.IP "MAP karakterek"
Rokon karaktereket adhatunk meg több sorban. A javaslattevésnél
több rokon karakter cseréje is lehetséges, így például ékezet
nélküli szavakat is képes ékezetesíteni a Hunspell a következő
definíció mellett:

.PP
.RS
.nf
MAP 5        
MAP aá        
MAP eé        
MAP ií        
MAP oóöő        
MAP uúüű        
.fi
.RE
.PP
.IP "PHONE a_PHONE_definíciók_száma"
.IP "PHONE karakterek"
A PHONE egy táblázattal megadható fonetikus átírási algoritmust
használ a kiejtési hasonlóság kiszámítására. Különösen
hasznos azoknál a nyelveknél, ahol az írás nem tükrözi a kiejtést.
A részletes dokumentáció az Aspell helyesírás-ellenőrző oldalán
érhető el angol nyelven: http://aspell.net/man-html/Phonetic-Code.html.

Megjegyzés: a szabályokban szereplő kapcsos zárójelek nem
tartalmazhatnak még több byte-os UTF-8 karaktereket, ahogy
a kötőjeles kifejezések is byte-ot jelölnek, nem karaktert Unicode
szótár esetén is.
.SH "SZÓ-ÖSSZETÉTELEZÉSI PARAMÉTEREK"
.IP "BREAK a_BREAK_definíciók_száma"
.IP "BREAK karakter_vagy_karaktersorozat"
Ha a keresett szó nincs a szótárban, a felsorolt karaktereknél vagy
karaktersorozatoknál felbontja és részenként ellenőrzi. Hasznos
például a kis- és nagykötőjeles szavaknál a magyarban.
.IP "COMPOUNDRULE"
Reguláris kifejezésekhez hasonló összetételi szabályok megadása.
.IP "COMPOUNDMIN szám"
A legkisebb szóhossz, ami még összetett szóban szerepelhet.
Alapértelmezés szerint 3 karakter.
.IP "COMPOUNDFLAG kapcsoló"
Itt adható meg a szóösszetételben való szereplést engedélyező
kapcsoló.
.IP "COMPOUNDBEGIN kapcsoló"
A kapcsoló az összetett szavak első tagjaként engedélyezi
a megjelölt szavakat.
.IP "COMPOUNDLAST kapcsoló"
A kapcsoló az összetett szavak utolsó tagjaként engedélyezi
a megjelölt szavakat. Kombinálható az előző kapcsolóval.
.IP "COMPOUNDMIDDLE kapcsoló"
A kapcsoló az összetett szavak közbenső tagjaként engedélyezi
a megjelölt szavakat. Kombinálható a két előző kapcsolóval.
.IP "ONLYINCOMPOUND kapcsoló"
Csak az összetett szavakban megjelenő ragozás jelölésére szolgáló
kapcsoló (germán nyelvek esetében tipikus).
.IP "CIRCUMFIX kapcsoló"
Ezzel a kapcsolóval jelölt szuffixum csak ugyanilyen kapcsolóval
jelölt prefixummal jelenhet meg egy tövön. (Pl. leg-édes-ebb).
.IP "COMPOUNDPERMITFLAG kapcsoló"
Alapértelmezés szerint a prefixumok és szuffixumok nem fordulhatnak
elő az összetett szavak belsejében. A COMPOUNDPERMITFLAG
kapcsolóval rendelkező affixumok viszont itt is megjelenhetnek.
.IP "COMPOUNDFORBIDFLAG kapcsoló"
Toldalékolt szavak szóösszetételben való szereplését tiltó
kapcsoló. A tiltáshoz az adott SFX szabály folytatási
osztályaként (l. később) adjuk meg ezt a kapcsolót.
.IP "COMPOUNDROOT kapcsoló"
A szótárba közvetlenül felvett összetett szavakat
jelölő kapcsoló. A COMPOUNDWORDMAX, és így a magyar esetében
a 6–3-as szabály működését befolyásolja azzal, hogy a COMPOUNDROOT
kapcsolóval összetettnek jelölt
szavak két szónak számítanak.
.IP "COMPOUNDWORDMAX szám"
A szóösszetételekben szereplő egyszerű tövek maximális száma.
A magyar esetében 2 az érték, e fölötti szószámnál már életbe lép
a 6–3-as szabály.
.IP "COMPOUNDSYLLABLE szám karakterek"
Két paramétert vár. Az első megadja az összetett szavak tövének
maximális szótagszámát, ami a magyar helyesírás 6–3-as szabálya szerint 6.
A második mező felsorolja a magánhangzókat,
ami a szótagszám megállapításához szükséges.
Ha hiányzik ez a definíció, akkor nincsen
korlátozás az összetett szavak tövének szótagszámára
vonatkozóan.
.IP "SYLLABLENUM kapcsolók"
Egy paramétert vár. A paraméterben megadhatóak azok a ragozási
osztályok, amelyek ragozás esetén eggyel növelik az összetett
szavak tövénél kiszámított szótagszámot. A magyarban ezek
a melléknévképzők: kerékpárjavításainkról, de kerékpár\-javítási.
A 
.IP "FORBIDDENWORD kapcsoló"
A tiltott szavakat jelölő kapcsoló. A tiltott szótövek
toldalékolt alakjai is letiltásra kerülnek. A tiltott
szavak akár toldalékolási, vagy szóösszetételi szinonimaként
sem kerülnek elfogadásra.
.IP "PSEUDOROOT kapcsoló"
A kapcsolóval jelölt szavak toldalékolt alakjai kerülnek
csak elfogadásra. Fiktív tövek megadására szolgáló
kapcsoló. A tő lehet még helyes szó, ha
érvényes szinonimaként előáll vagy szerepel a szótárban.
.IP "WORDCHARS karakterek"
Paramétere azok a karakterek, amelyek a beállított kódolás (pl.
a magyar esetében az ISO-8859-2) betűi mellett még az adott
nyelv szavaiban előfordulhatnak. Ilyen például a magyarban
a kötőjel, pont, százalékjel, fokjel, paragrafusjel és a
nagykötőjel. Az utóbbi csak UTF-8, vagy microsoft-cp1250
karakterkészlet mellett lesz használható a magyar szótárban.
.IP "PFX kapcsoló keresztkombinálódás szám"
.IP "PFX kapcsoló levágás prefixum feltétel morfológia"
Prefixum megadására szolgáló definíciók.
A prefixumok egykarakteres névvel jelölt osztályokba
vannak sorolva. A példában az X osztály
definíciója látható. Az egyes osztályokra
vonatkozó PFX fejléc tartalmazza a következőket:

(1) az osztály betűjelét (a példában X)

(2) a keresztbe való kombinálás engedélyezése, illetve
tiltása (Y/N). Engedélyezés esetén az adott prefixum akkor is
alkalmazható, ha a tőszó toldalékolt alakban fordul elő.
Ehhez az is szükséges, hogy a toldalék (affixum) ragozási
osztályában is legyen engedélyezve a kombinálás.

(3) az osztályba tartozó bejegyzések számát

A PFX fejlécet követő sorokban a PFX paraméterek jelentése
a következő:

(1) az osztály betűjele

(2) a ragozásnál a szó elejéről leválasztandó karaktersorozat.
Ha nem kell leválasztani, akkor 0.

(3) a prefixum (például igekötő, vagy a leg\-, legesleg\-
a mellékneveknél). Perjellel elválasztva kapcsolókat
is megadhatunk (l. többszörös toldalékolás).

(4) a minta, ami ha illeszkedik, alkalmazható a szabály.
Például ha itt kutya szerepelne, akkor csak a kutya
kezdetű szavak elé lehetne tenni az ebben a sorban
megadott prefixumot. A minta megadásánál a pont (.)
speciális jelentéssel bír: minden karakterre illeszkedik.
Megadhatunk csak bizonyos karakterekre illeszkedő mintát
is szögletes zárójelek segítségével. Például az [abcd] illeszkedik
az a, b, c, illetve d karakterekre is.
Ellentétben az Ispell\-lel, a kötőjel
szerepe a szögletes zárójelek között nem speciális,
vagyis kötőjelet jelent, és nem karaktertartományt.
Ha a nyitó szögletes zárójel után kalap (^) karakter
található, a karaktertartomány komplementerére
illeszkedik a minta, hasonlóan a reguláris
kifejezésekhez (l.
.IR regex "(7))."

(5) Morfológiai leírás. Szóközzel vagy tabulátorral
elválasztott mezők. A mezőnevek és használatuk az
angol kézikönyvoldalon található.

.IP "SFX kapcsoló keresztkombinálódás szám"
.IP "SFX kapcsoló szuffixum feltétel mofológiai_leírás"
A PFX\-szel megegyező paramétereket kap, csak nem
a szó eleji, hanem a szó végi toldalékok leírására
szolgál. A példában szereplő definíciók jelentése:
az \-edik, vagy \-ezik végű szavakra alkalmazható
a három szabály. A rag illesztésénél levesszük
a szó végi \-ik karaktersorozatot, és szabálytól függően
illesztjük a \-tük, \-tétek, \-ték toldalékokat,
végeredményben \-edtük, \-edtétek, \-edték, illetve
-eztük, \-eztétek, \-ezték végű szavakat kapva.
.IP "Többszörös toldalékolás"
A PFX és az SFX szabályokban a toldalék perjellel elválasztva kapcsolókat is
kaphat, hasonlóan a szótárállomány töveihez. A kapcsolók a
következőek lehetnek:

(1) SFX szabályban az SFX folytatás jelentése, hogy a toldalék még tovább
ragozódhat a megadott kapcsolókkal (többszörös affixumleválasztás).
A Hunspell esetében csak a kétszeres affixumleválasztás lett megvalósítva,
tehát a folytatási osztály folytatását már nem veszi figyelembe a program.

(2) SFX szabályban a PFX folytatás jelentése, hogy az adott prefixum is
hozzájárulhat a tőhöz, feltéve, ha az SFX szabály is él.

(3) PFX szabályban az SFX szabály jelentése, hogy a megjelölt SFX
szabály a tőhöz járulhat, ha a PFX szabály is él.

(4) ONLYINCOMPOUND kapcsoló megadásával az adott PFX vagy SFX toldalék csak
szóösszetételben jelentkezhet.

(5) CIRCUMFIX kapcsoló megadásával az adott SFX csak az ugyanilyen
toldalékot kapó PFX-szel együtt fordulhat csak elő.

(6) Az összetételi kapcsolók megadásával engedélyezhetjük
vagy letilthatjuk (COMPOUNDFORBIDFLAG) az összetételben való
szereplést. A összetett szavak utolsó tagja alapértelmezés szerint
minden affixumot felvehet. A közbenső szavaknál viszont
explixit módon engedélyezni kell ezt.

.PP
A ragozási állomány ezeken kívül még megjegyzéseket is tartalmazhat, ezért az adott
szótár változatát, szerzőjét, felhasználási engedélyeit itt
keressük.
.SH SAJÁT SZÓTÁR
A saját szótár formátuma közel megegyezik a szótárállomány
formátumával. A különbségek a következőek:

(1) Nem kell megadni az első sorban az állományban lévő szavak
méretét.

(2) A szóhoz nem kapcsolókat, hanem egy mintaszót
adhatunk meg, ami alapján az ellenőrző a szó toldalékolt
alakjait is felismeri. Például a Patyomkin/Ádám azt jelenti, hogy
a Patyomkin szót az Ádáméval megegyező
ragozással is el kell fogadni.

(3) A csillag tiltást jelent: a csillaggal jelölt szavakat az ellenőrző
akkor sem ismeri fel, ha az alapszótárban szerepelnek, pl. *kóricál.

(4) Az állomány kézzel módosítható, és ezt időnként
javasolt is megtenni, ha esetleg hibásan vettünk fel szavakat.
.SH LÁSD MÉG
.B angol nyelvű hunspell (5),
.B hunspell (1),
.B ispell (1),
.B ispell (4),
Magyar Ispell dokumentáció.
.SH TÖRTÉNET
A MySpell szótár\-, illetve ragozási állományának formátumát
Kevin Hendricks készítette olyan céllal, hogy lehetővé
tegye ezen állományok gyors, futás idejű feldolgozását.

A COMPOUNDFLAG, REP és az egyéb Hunspell beállítási lehetőségeket
Németh László készítette, elsősorban a jobb magyar
nyelvű helyesírás\-ellenőrzés céljából.