检测英语单词和NLTK的话语料库

Question

只是想看到一个单词是英语还是不行。这个：

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

结果假。难道我做错了什么？这是可以预料的？是否有这样做的更好的方法？谢谢。

Answer 1

看来，“修订”的确不在词表：

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，这是那里的单词列表源自于：

该字语料库是在/ usr /共享/字典/单词从Unix文件

所以，你必须决定你的使用情况，如果从NLTK提供的单词列表就够了，或者如果你想切换到一个更完整的（和更大的）一个。

Answer 2

尝试这个

from nltk.corpus import wordnet

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