Хочу-создать-в-багзилле-новую-ошибку! The tokenization of words for spellcheck is wrong when there is a dash in the word.
Заключается-она-в-том,-что-движок-Gecko-неправильно-выделяет-слова-для-модуля-проверки-орфографии.
Например-в-этом-тексте-слова-«правильно»-распознаются,-несмотря-на-то,-что-в-нём-нет-ни-одного-пробела!!!
В-Windows-это-действительно-так.-Прошу-подтвердить-аналогичное-поведение-в-Linux.
Если-с-названием-и,-кое-каким-описанием-вопросов-не-возникает,-то-вот-с-выбором-категории…
Никто-не-разбирался-с-кодом-Gecko?
К-какой-его-части-относится-модуль-токенизации?
Вряд-ли-это-собственно-спеллчекер.
Infant, спасибо за правильный вопрос!
Подтверждаю для МакОСи.
Подтверждаю-зпт-поведение-аналогичное-зпт-ни-одно-слово-кроме-«зпт»-не-подчёркивается.
Спасибо, Bug 466127
Не подтверждаю для 3.1
Если не трудно, то хотелось бы получить более развёрнутый ответ на "не подтверждаю". Потому что я скачал ночнушку Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.1b2pre) Gecko/20081122 Minefield/3.1b2pre и там наблюдаю то же самое.
Как говорится, найдите 10 отличий.
22-11-2008 23:18:49
Из того что написано в комментариях к багу я понял что в версии 1.2.3 hunspell исправлена выдача догадок когда слово с дефисом написано без дефиса. Теперь предлагает оба варианта — и два слова отдельно, и слово с дефисом. Но это не та проблема о которой я хочу сказать. Как только вместо подчёркнутого «чтонибудь» выбрать из списка догадок «что-нибудь» сразу же волнистая линия перескочит на «нибудь». Не удивляет ли вас, что предлагаемая догадка, которая заведомо должна быть правильной и содержаться в словаре, сразу после замены становится ошибочным словом? А потому что теперь это слово с дефисом считается двумя отдельными словами. А слова «нибудь» в русском языке нет!
Infant
Это проблема только в продуктах Mozilla? Больше похоже на баг hunspell.
22-11-2008 23:37:43
Или это вообще проблема словаря.
Продукты OOo (Writer) ведёт себя аналогично (дефис считается пробелом). MS Word 97 (другого под рукой нету) — то же самое.
Почему я не думаю, что это проблема hunspell:
1. Автор венгр и сам пишет в руководстве о том, что WORDCHARS extends tokenizer of Hunspell command line interface with additional word character. For example, dot, dash, n-dash, numbers, percent sign are word character in Hungarian. Поэтому реализация наверняка должна работать для дефисов, тире и т.п. Она наверняка работает в американском словаре для цифр.
2. В качестве догадки предлагается правильное слово из словаря с дефисом. Однако если это слово правильное и присутствует в словаре, то зачем его вообще помечать как ошибочное. Я всё же думаю, что парсеры текста, что у Mozilla, что у OOo просто разбивают такие слова на два и подсовывают hunspell по отдельности. К сожалению в какой части исходного кода искать концы я не представляю.
3. Аналогично ведёт себя не только Firefox 3, но и Firefox 2 в котором никакого hunspell не было отродясь.
4. По поводу словаря. Могу выложить минимальный словарь для проверки. В 10 строчках просто негде ошибиться.
Пример словаря для тестирования: файл аффиксов, файл словаря.
Инструкция
1. Скачайте оба файла и поместите их в каталог словарей вашего Firefox. При этом браузер должен быть закрыт (словари перечитываются заново только при первом запуске).
2. Запустите браузер и откройте любую страницу с текстовой формой. Можете сохранить на диске следующий пример.
Код:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=windows-1251"> <title>Текстовая форма</title> </head> <body> <textarea name="comment" cols="100" rows="40"></textarea> </body> </html>
3. Откройте любым текстовым редактором поддерживающим кодировку UTF-8 скачанный файл ru_RU.dic и скопируйте всё его содержимое (это будут все слова нашего тестового словаря) в текстовую форму.
4. Включите в этой форме проверку орфографии, а в качестве языка укажите ru_RU (должен появиться в списке дополнительно к другим установленным языкам).
5. Наслаждайтесь красными линиями.
P.S. Некоторые пояснения к трём последним строкам файла словаря: это я пытался выяснить нелюбовь конкретно к дефису или другим символам тоже и сделал слова с тире, коротким тире и знаком равно.
Infant
А на что надо обратить внимание? Слова подчёркиваются, да, но эти слова по-моему же как раз подчёркиваться и не должны, разве нет?
MySh
Правильно. Именно так всё и должно быть. Мы же скопировали слова самого словаря.
Так же интересно, что в качестве догадки предлагается на замену опять то же слово (среди списка других), которое выделено как ошибочное.
Infant
Правильно. Именно так всё и должно быть. Мы же скопировали слова самого словаря.
И? Прошу прощения, но что-то смысл идеи до меня пока не доходит... 
Если всё происходит именно так как получается, то выходит что слова в словаре являются одновременно и правильными (во-первых потому что мы скопировали их из самого словаря, чтобы без ошибок; во-вторых потому что они же предлагаются в качестве замен якобы ошибочных слов) и неправильными (потому что подчёркиваются). Возникает парадокс. Как такое может быть?
Отвечаю, такого быть не может. Значит, когда слова находятся в словаре и предлагаются для замены это одни слова (с дефисами), а когда они проверяются — они таковыми (словами с дефисами) уже не воспринимаются. Почему? Потому что кто-то теперь считает их двумя отдельными словами, а дефис между ними как символ ограничитель слова.
23-11-2008 14:37:14
А согласно указаниям параметра WORDCHARS из файла аффиксов короткое тире, тире, дефис и знак равно тоже являются буквами и могут входить в состав слова.