Python NLP：从自然语言字符串中删除奇怪单词/字符的有效方法

Question

我正在使用许多包含自然语言的字符串。

例如：

s1 = "good day sir r please send morning text wa x x kind jennifer hardy directory mary advertisement estate west t f marcus peter"

从那开始，我要删除名称（詹妮弗，哈迪，马库斯，彼得）以及序列（r，wa，x，t，f）。

这样结果将类似于

s = "good day sir please send morning text kind directory advertisement estate west"

我已经尝试了一些nltk程序包，但不幸的是结果并不理想：

import nltk
from nltk import word_tokenize

names = nltk.corpus.names.words()
words = nltk.corpus.words.words()

s1_tok = word_tokenize(s1)

filtered_s1 = [w for w in raw_body if w in words and w not in names]

print(" ".join(filtered_s1))

返回

'good day sir r please send morning text wa x x kind hardy directory mary advertisement estate west t f peter'

因此某些元素已被删除，但并非全部。同样，this post不能解决我的问题（执行类似操作）。我考虑过使用棕色语料库：

from nltk.corpus import brown

brown_corp = brown.words()

filtered_s1 = [w for w in s1_tok if w in brown_corp]

但是这需要很长时间。我有什么想念的吗？有没有一种更聪明的方法可以有效地解决我的问题，理想情况下无需使用RegEx？]

编辑：在这里错误地复制了我的代码，使用了单词而不是句号。

Answer 1

这会更快：

brown_corp = set( brown.words() )

filtered_s1 = ( w for w in s1_tok if w in brown_corp )