如何使用Python检查单词是否为英语单词？

我想在Python程序中检查一个单词是否在英语词典中

我相信nltk wordnet接口可能是一个不错的选择，但我不知道如何将其用于如此简单的任务

def is_english_word(word):
    pass # how to I implement is_english_word?

is_english_word(token.lower())

---

将来，我可能想检查字典中是否有单数形式的单词（例如，properties->property->english word）。如何实现这一点？

使用集合存储单词列表，因为查找单词列表会更快：

with open("english_words.txt") as word_file:
    english_words = set(word.strip().lower() for word in word_file)

def is_english_word(word):
    return word.lower() in english_words

print is_english_word("ham")  # should be true if you have a good english_words.txt

为了回答问题的第二部分，复数应该已经在一个很好的单词列表中，但是如果出于某种原因想要特别地从列表中排除复数，那么您确实可以编写一个函数来处理它。但是英语的复数化规则非常复杂，所以我首先要在单词列表中包含复数

至于在哪里可以找到英语单词表，我通过谷歌搜索“英语单词表”找到了几个。这里有一个：如果你特别想要英国或美国的方言，你可以在谷歌上搜索英国或美国英语。

要获得（更多）的功能和灵活性，请使用专门的拼写检查库，如。有一个，或者你可以直接跳进去：

>>> import enchant
>>> d = enchant.Dict("en_US")
>>> d.check("Hello")
True
>>> d.check("Helo")
False
>>> d.suggest("Helo")
['He lo', 'He-lo', 'Hello', 'Helot', 'Help', 'Halo', 'Hell', 'Held', 'Helm', 'Hero', "He'll"]
>>>

PyEnchant

附带了一些字典（en_GB、en_US、de_de、fr_fr），但如果需要更多语言，可以使用其中的任何一种

---

似乎有一个名为的多元化库，但我不知道它是否有用。

对于语义web方法，您可以运行一个。基本上只需使用urllib模块发出GET请求并以JSON格式返回结果，使用python“JSON”模块进行解析。如果不是英语单词，你将得不到任何结果

---

另一个想法是，您可以使用NLTK查询。

：

from nltk.corpus import wordnet

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

---

如果您在安装wordnet时遇到问题或想尝试其他方法，请参阅。

wordnet无法正常使用，因为wordnet不包含所有英语单词。 另一种基于NLTK而不使用enchant的可能性是NLTK的单词语料库

>>> from nltk.corpus import words
>>> "would" in words.words()
True
>>> "could" in words.words()
True
>>> "should" in words.words()
True
>>> "I" in words.words()
True
>>> "you" in words.words()
True

---

为了获得更快的基于NLTK的解决方案，您可以对单词集进行散列，以避免线性搜索

from nltk.corpus import words as nltk_words
def is_english_word(word):
    # creation of this dictionary would be done outside of 
    #     the function because you only need to do it once.
    dictionary = dict.fromkeys(nltk_words.words(), None)
    try:
        x = dictionary[word]
        return True
    except KeyError:
        return False

---

使用pyEnchant.checker拼写检查器：

from enchant.checker import SpellChecker

def is_in_english(quote):
    d = SpellChecker("en_US")
    d.set_text(quote)
    errors = [err.word for err in d]
    return False if ((len(errors) > 4) or len(quote.split()) < 3) else True

print(is_in_english('“办理美国加州州立大学圣贝纳迪诺分校高仿成绩单Q/V2166384296加州州立大学圣贝纳迪诺分校学历学位认证'))
print(is_in_english('“Two things are infinite: the universe and human stupidity; and I\'m not sure about the universe.”'))

> False
> True

从enchant.checker导入拼写检查器
def是英文的（引用）：
d=拼写检查器（“en_US”）
d、 设置文本（引号）
errors=[err.word表示d中的错误]
如果（（len（errors）>4）或len（quote.split（））<3）为True，则返回False
印刷品（是英文的吗办理美国加州州立大学圣贝纳迪诺分校高仿成绩单Q/V2166384296加州州立大学圣贝纳迪诺分校学历学位认证'))
print（是英文（“‘两件事是无限的：宇宙和人类的愚蠢；我不确定宇宙。”））
>假的
>真的

我发现有3种基于包的解决方案可以解决这个问题。它们是pyenchant、wordnet和corpus（自定义或来自ntlk）.Pyenchant无法使用py3轻松安装到win64中。Wordnet工作不太好，因为它的语料库不完整。因此，对于我来说，我选择了@Sadik回答的解决方案，并使用“set（words.words（））”来加快速度

第一:

pip3 install nltk
python3

import nltk
nltk.download('words')

然后：

适用于所有Linux/Unix用户 如果您的操作系统使用Linux内核，有一种简单的方法可以从英语/美国词典中获取所有单词。在目录

/usr/share/dict

中，您有一个

单词
文件。还有一个更具体的
美式英语
和
英式英语
文件。这些文件包含该特定目录中的所有单词语言。你可以在每种编程语言中访问它，这就是为什么我认为你可能想知道这一点

现在，对于特定于python的用户，下面的python代码应该为列表中的单词分配每个单词的值：

import re
file = open("/usr/share/dict/words", "r")
words = re.sub("[^\w]", " ",  file.read()).split()

def is_word(word):
    return word.lower() in words

is_word("tarts") ## Returns true
is_word("jwiefjiojrfiorj") ## Returns False

希望这有帮助！！！
使用nltk.corpus而不是enchant。enchant会给出不明确的结果。例如：
对于基准测试和基准点，enchant正在返回true。它应该假设为基准测试返回false。
如果您将
英语单词
设置为
集而不是
列表，那么
is\u英语单词
将运行得更快。实际上，我只是将其作为dict重新编辑，但您是对的，设置会更好。更新。您还可以沟渠
.xreadlines（）
只需反复浏览
word\u文件
。在ubuntu下，软件包
wamerican
和
wbritish
提供了美式和英式英语单词列表，如
/usr/share/dict/*-English
。软件包信息作为参考。我找到了一个包含479k英语单词的列表。谢谢，我不知道PyEnchant和它确实对我想要进行的检查更有用。它不识别？不是一个常用词，但我知道它是的缩写，我不知道。我只是想指出，解决方案不是一刀切的，不同的项目可能需要不同的字典或完全不同的方法。包是bas我无法安装。非常令人沮丧。windows上的python 64位目前不支持Enchant：（不再维护。有更近期的活动。另外，
/usr/share/dict/
和
/var/lib/dict
可能会在*nix设置上引用。它对cygwin用户特别有用，因为安装enchant非常麻烦。WordNet不包含英语中的每个单词，它只包含一小部分。在WordNet之上缺少大量常用词，如“would”和“how”，这显然比kindall的解决方案要慢。此外，wordnet.synsets不只是检查单词是否在其中。它尝试先检查单词。因此它将“sales”（不是真正的英语单词）转换为“sales”考虑到语法集是如何工作的，这是一种有缺陷的方法。用“tiltes”来看看我说的是什么同样的说法在这里也适用：转换为集合时要快得多：
set（words.words（））
小心，因为你需要对单词进行单数化以获得正确的结果注意：没有找到像意大利面或汉堡这样的单词
import re
file = open("/usr/share/dict/words", "r")
words = re.sub("[^\w]", " ",  file.read()).split()

def is_word(word):
    return word.lower() in words

is_word("tarts") ## Returns true
is_word("jwiefjiojrfiorj") ## Returns False