检测英语单词和nltk的单词语料库

Question

只是想看看一个单词是不是英语。这个：

english_words = set(nltk.corpus.words.words())
print("revised" in english_words)

结果为False。难道我做错了什么？这是可以预期的吗？有更好的方法吗？谢谢。

Answer 1

似乎“修订”确实不在单词表中：

import nltk

english_words = set(nltk.corpus.words.words())

for w in english_words:
    if w.startswith("revise"):
        print(w)

打印以下列表：

reviser
revise
revisee
revisership

基于this source，第4.1节，这是单词列表的来源：

  

Words语料库是Unix中的/ usr / share / dict / words文件

因此，您必须根据用例来确定NLTK提供的单词列表是否足够，或者是否要切换到更完整（更大）的单词列表。

Answer 2

尝试一下

from nltk.corpus import wordnet

if not wordnet.synsets(word_to_test):
  #Not an English Word
else:
  #English Word