Como obter o banco de dados de palavras em inglês? [fechadas]

148

Eu preciso de um banco de dados de todas as palavras válidas em inglês. Eu verifiquei o /usr/share/dict/wordsarquivo, ele contém menos de 100 mil palavras. A Wikipedia diz que o inglês tem 475 mil palavras. Onde obtenho a lista completa (ortografia americana)?

Além disso, existe um único site que também divulga palavras para outros idiomas, incluindo asiáticos e europeus?

Editar: Esqueci de adicionar, não preciso de nomes etc., apenas palavras em inglês válidas.

database words Costique
fonte
9
Meu /usr/share/dict/wordstem 479829 palavras, então talvez haja alguma variação aqui (e possa ser adequada para outros).
Marshall.ward
4
wc -l /usr/share/dict/wordsno Mac é 235,886 palavras (Julho de 2014 - OSX Mavericks 10.9.4)
nelsonic
2
Melhor lista que encontrei: raw.githubusercontent.com/docdis/english-words/master/… . Obrigado vai para @nelsonic.
James.garriss
3
freescrabbledictionary.com/english-word-list
Cesar Bielich #
1
você pode obter um worlist aqui marcoagpinto.cidadevirtual.pt/proofingtoolgui.html .. olhar para o link lista de palavras à direita
kofifus

Respostas:

75

O banco de dados do WordNet pode ser útil. Certa vez, trabalhei em um complemento do Firefox que lida com palavras e todos os tipos de associações simples a complicadas entre elas e outras coisas. Parece que o WordNet será muito útil para você.

Aqui está no formato MySQL . E este (link arquivado na Web) usa dados do Wordnet v3.0, em vez dos dados mais antigos do Wordnet 2.0.

user266803
fonte
eles também têm uma lista para download?
1
Sim, eles dão-lhe a possibilidade de baixar o seu banco de dados em uma série de formatos - CSV, banco de dados MySQL, etc .. e até mesmo ter APIs que você pode usar através .Net, Java, etc ... Esta é a página de download - wordnet.princeton .edu / wordnet / download
user266803
é esse? wordnetcode.princeton.edu/3.0/WNdb-3.0.tar.gz
Eu não o baixei pessoalmente, mas estava lá pronto quando comecei a codificar. Então, eu não sei quais arquivos estarão disponíveis em qual download. Eu apenas sei que você pode baixar em diferentes formatos. Se você puder me dizer em qual formato deseja, talvez eu possa ajudar.
User266803
Parece um projeto muito interessante mesmo.
Wim Hollebrandse
36

Você pode encontrar o que precisa em infochimps.org .

Eles têm uma lista de 350.000 palavras simples (ou seja, não compostas) disponíveis para download gratuito.

Lista de Palavras - Mais de 350.000 Palavras Simples em Inglês

Em relação a outros idiomas, você pode procurar no Wikcionário. Aqui está um link para todos os backups do banco de dados - as informações não são organizadas com tanta probabilidade, mas se elas tiverem um idioma, você poderá fazer o download dos dados no formato SQL.

danben
fonte
6
O link para download mudou - infochimps.com/datasets/…
Chris Rae
36
Irritantemente o arquivo infochimps é .xls (um arquivo do Excel com as palavras dividido em 6 planilhas!) ... Eu tenho extraído todos os 354986 palavras em um arquivo txt : github.com/nelsonic/english-words
nelsonic
@nelsonic muito obrigado, o link do infochimps é 404
1
@ChrisRae ambos os links não funciona
garg10may
5
parece que eles incluem palavras com erros de ortografia, como tecnologia - presumivelmente porque coletam tudo o que aparece na web. portanto, é bom para quebra / validação de senha, mas não é bom para aplicativos que exigem palavras reais (como corretores ortográficos, etc.).
max
13

Eu não vejo http://wordlist.sourceforge.net/ mencionado aqui, mas é aí que eu começaria se estivesse procurando algo assim (e eu estava, quando me deparei com essa pergunta).

Se você não consegue encontrar o que deseja lá e o que deseja é uma lista de palavras em inglês, provavelmente deve dedicar mais tempo descrevendo como reconhecer o que deseja.

rdm
fonte
1
Eu esperava que essas listas mais amplas contivessem palavras com pontuação, como "C ++" ou "C #", mas não consegui encontrar nenhuma. Portanto, se é isso que você procura, pode causar um curto-circuito, você pode pular este (e as listas mais restritas em outras respostas).
Hobs
9

Não existe uma lista "completa". Pessoas diferentes têm maneiras diferentes de medir - por exemplo, elas podem incluir gírias, neologismos, frases com várias palavras, termos ofensivos, palavras estrangeiras, conjugações verbais e assim por diante. Algumas pessoas chegaram a contar um milhão de palavras ! Então você terá que decidir o que deseja em uma lista de palavras.

JW.
fonte
3
Obrigado por esse link. Uma leitura muito esclarecedora sobre quantas palavras existem no idioma inglês e a futilidade de tentar chegar a uma contagem definitiva delas. Para uma leitura mais concisa e atualizada, também há o seguinte: en.oxforddictionaries.com/explore/language-questions/… .
Prometheus
4

Você pode verificar o *spell dicionário em GB usado pelo Mozilla, OpenOffice, muitos outros softwares.

mloskot
fonte
link no mozilla en-gb.pyxidium.com.br/dictionary/en_GB.zip diz Servidor não encontrado, alguma atualização? graças
@AMB Thx, atualizei o link para apontar para uma fonte alternativa do dicionário em extensions.openoffice.org/en/project/…
mloskot
E agora o novo link é 404, @mloskot.
James.garriss 17/07/2015
@ james.garriss Acho que todo o site extensions.openoffice.org parece estar inoperante.
21135 mloskot
3

Você não disse para o que precisava esta lista. Se algo usado como uma lista negra para verificações de senha for suficiente, o cracklib pode ser bom para você. Ele contém mais de 1,5 milhão de palavras.

Benjamin Bannier
fonte
1
não, não para lista negra. Estou fazendo algum tipo de jogo de palavras / gráfico.
Isto tem um monte de "palavras lixo", no entanto eu ainda sou muito grato que você colocar isso aqui - é perfeita quando procura palavras específicas que os outros dicionários não têm (por exemplo, firetruck)
kangalioo