Harper项目:如何实现"same than"到"same as"的语法检查规则
在英语写作中,"same than"是一个常见的错误用法,正确的表达应该是"same as"。Harper作为一个开源的语法检查工具,最近社区成员提出了需要增加对这一常见错误的检查功能。本文将详细介绍如何在Harper项目中实现这一语法检查规则。
问题背景
在日常英语写作中,许多非英语母语者会混淆"same than"和"same as"的用法。正确的比较结构应该是"same as",而"same than"则是错误的表达方式。这个错误在代码注释和技术文档中尤为常见,因此有必要在语法检查工具中加入这一规则。
技术实现方案
在Harper项目中,添加这样的语法检查规则相对简单。项目提供了两种实现方式:
-
简单替换规则:适用于不需要复杂上下文分析的简单文本替换。这种方式不需要深入了解Rust语言,只需要按照特定格式添加规则即可。
-
完整规则实现:如果需要更复杂的逻辑判断,可以编写完整的Rust代码来实现规则检查。这需要对Rust语言有一定了解。
实现步骤
对于"same than"到"same as"的检查,可以采用简单替换规则的方式实现:
- 在项目的规则配置文件中添加新的替换条目
- 指定错误提示信息
- 设置规则的严重程度
- 添加相应的测试用例
这种实现方式不需要修改核心代码,只需要在配置文件中添加规则即可。项目维护者已经提供了类似的实现示例供参考。
对开发者的建议
虽然这个规则的实现相对简单,但对于不熟悉Rust语言的开发者来说,参与开源项目可能会遇到一些挑战:
- 项目构建系统可能需要一定的学习成本
- 需要了解项目的贡献流程和代码规范
- 测试环境的搭建可能需要指导
Harper项目团队表示欢迎社区贡献,并愿意为新贡献者提供指导。对于想要参与但缺乏Rust经验的开发者,可以先从简单的文本替换规则开始,逐步熟悉项目结构。
项目意义
增加这样的语法检查规则不仅提高了Harper的工具实用性,也体现了开源社区协作的价值。通过社区成员的反馈和贡献,工具能够覆盖更多实际使用场景,帮助用户写出更规范的英语文本。
对于技术文档作者、开发者和内容创作者来说,这类语法检查工具能够有效提升文档质量,减少因语言问题导致的沟通障碍。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00