有什么方法可以过滤掉python中的单词吗？

有没有办法过滤掉python中的冠词（the、a、an）、代词、conventions（and、but）和其他非主题词？或者是否有一个python包可以提供帮助

我知道我可以使用过滤器之类的东西，但我需要一个长长的单词列表。有没有已经包含这些单词的软件包？我需要去掉这些单词，这样消耗的内存将能够处理删除这些单词后的列表，从而使其更轻

---

谢谢

您正在寻找的术语叫做停止单词删除

实现这一点的强大库是

它可以处理更复杂的输入文本标记化，轻松删除停止词等：

import nltk
from nltk.corpus import stopwords

sentence = """At eight o'clock on Thursday morning ... Arthur didn't feel very good."""
tokens = nltk.word_tokenize(sentence)

filtered_tokens = [w for w in tokens if not w.lower() in stopwords.words('english')]

print tokens
print filtered_tokens

这将打印：

['At', 'eight', "o'clock", 'on', 'Thursday', 'morning', '...', 'Arthur', 'did', "n't", 'feel', 'very', 'good', '.']
['eight', "o'clock", 'Thursday', 'morning', '...', 'Arthur', "n't", 'feel', 'good', '.']