Onko Linuxille jotain pakettia, mistä voisi poimia englannin ja ruotsin kielen sanalistat? Eli kaikki sanat perusmuodossa, mieluummin txt muodossa?
Noin 100 000 kpl / kieli.
Noin 100 000 kpl / kieli.
Sanalistat?
Anonyymi
20628
0Äänestä
Muut lukivat myös
Ketjusta on poistettu 1 sääntöjenvastainen viesti.
Odottaa vastausta
Näihin keskusteluihin ei ole vielä vastattu. Ole ensimmäinen.
Vastaukset 20
Vanhimmat
Minulla on 4100545 suomenkielistä sanaa.
Tuskin ovat perusmuodossa. Suomen kielessä ei taida edes olla 4 miljoonaa sanaa. Veikkaan että 400 000 - 300 000 sanaa maksimissaan. Sillä en ole nähnyt yhtään sanakirjaa (painettua) missä olisi yli 130 000 suomenkielistä sanaa.
Kotuksen sivuilta saa suomen- ja ruotsinkieliset listat. Eiköhän englanniksi löydy joku vastaava. Ihan tarpeetonta itsensä kiusaamista etsiä tuollaista jostain Linux-paketista kun saman löytää helpommin käyttämällä aivoja.
Ruotsinkieliset listat? Missä? Löysin vain suomen!
Tjaa, nyt taisi vanhan muisti pettää. Jostain muistan vastaavan listan ladanneeni ruotsiksikin, ja muistelin että ne olisivat molemmat kotuksesta, mutta eipä tuolla tosiaan enää sellaista näy.
www.sanakirja.org mainostaa sivun alalaidassa:
Sanoja yhteensä 7 800 122. Käännöksiä yhteensä 7 172 572.
No minä yritin kääntää sanan "kirjat" englanniksi, ja sain vastaukseksi:
Tarkoititko lukea?
Voi helavatan hevatta!!
Onko sinulla suomenkielistä sanastoa, nimittäin "trans" on ohjelma jolla voit kääntää sanan, lauseen tai jopa tiedoston mille tahansa Google kääntäjän tukevalle kielelle.
Pistät yöksi koneen trallattamaan käännöstä.
Ihan hupina testasin tuota "trans" ohjelmaa, pistämällä 10 sanaa tiedostoon ja otin ajan mikä meni kääntäessä.
Aika oli real 0m1,950s
joten 8 tunnin unet otat, niin on herätessä käännetty 14400 sanan sanasto.
Toimiiko sinulla tuo trans silmukassa?
Noin 30-40 sanan jälkeen taisin saada bannit. Nyt tuo trans palauttaa vain tyhjän rivin.
Kauanko bannit kestää?
Vielä löysin pyglossary ohjelman, jolla noita sanastoja voi muokata formaatista toiseen. Yritin hupina voikon XLM muodossa olevan sanaston muuntaa *.TXT muotoon, ei onnistunut.
Ongelma on siinä että käyttäjän täytyy tietää, missä muodossa syöttösanasto on, ja se vaikuttaa olevan ihan oma tieteenlajinsa.
Voi olla syynä myös tiedoston suuri koko yli 8Mt. Päätin siivota sen sitten grep -komennoin, ja loppu tulos oli ettei se sisältänyt kuin vajaat puolet tuosta mitä olit kaipailemassa.
Tälläkin pääsisit alkuun:
https://raw.githubusercontent.com/martinlindhe/wordlist_swedish/master/swe_wordlist
lisäänpä vielä että sanalistat MS-Access tietokantana tai Excel or SQL formaatissa ovat hiton arvokkaita 1,690.00 € (plus tax/VAT), joten en usko että niitä joka paikassa ollaan ilmaiseksi jakamassa. Tämä siksi että osaat arvostaa pienempääkin listaa.
Tuo sanastohan sisältää 410 786 sanaa, joten ei ihan mitätön tuokaa ole. LibreOfficeen saa myös ladattua Ruotsin sanaston, Ruotsin oikoluvun ja Ruotsalaisen tavutuksen.
Aika paljon roskaa siinä on. Ja monet sanat eivät ole perusmuodossa, vaan taivutettu:
baseballmatch
baseballmatchen
baseballmatchens
baseballmatcher
baseballmatcherna
baseballmatchernas
baseballmatchers
baseballmatchs
Aivan ja siinä on yhdysanoja, ilmeisesti kaipaa niitäkään.
Ruotsalaisilla on sanalista-appi Androidille: "Svenska Akademiens ordlista"
Jonka voi ladata tuolla: https://apkgk.com/se.svenskaakademien.saol/download
Ja tuo 294 MB tiedosto on SQLite 3 tietokanta.
Siitä saisi ripattua aika laadukkaankin sanalistan.
Joo, tuossa ovat taivutukset eri taulussa kuin perusmuodot. Perusmuodot on taulussa "c0kompakt"
Taulussa on 122 472 sanaa.
Siinä se taisi löytyä, lopetan etsimisen, tuo on hyvä.
Vielä jos löytäisi yhtä laadukkaan englanninkielisen listan!