使用Python从文本中删除非英语单词

我正在python上做一个数据清理练习，我正在清理的文本包含我想删除的意大利语单词。我一直在网上搜索是否能够使用nltk之类的工具包在Python上实现这一点

例如，给定一些文本：

"Io andiamo to the beach with my amico."

我想留下：

"to the beach with my" 

有人知道如何做到这一点吗？

---

任何帮助都将不胜感激

您可以使用NLTK中的

单词
语料库：

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

sent = "Io andiamo to the beach with my amico."
" ".join(w for w in nltk.wordpunct_tokenize(sent) \
         if w.lower() in words or not w.isalpha())
# 'Io to the beach with my'

不幸的是，Io恰好是一个英语单词。一般来说，可能很难判断一个单词是否为英语。
在MAC OSX中，如果您尝试此代码，它仍然会显示异常。因此，请确保手动下载单词语料库。一旦你导入
你的
nltk
库，你可能会像在mac操作系统中一样不自动下载单词语料库。所以你必须下载它，否则你将面临异常

import nltk 
nltk.download('words')
words = set(nltk.corpus.words.words())

现在，您可以执行与前一个人指示的相同的执行

sent = "Io andiamo to the beach with my amico."
sent = " ".join(w for w in nltk.wordpunct_tokenize(sent) if w.lower() in words or not w.isalpha())

根据文件，它没有这样说。但是我得到了一个关于github的解决方案，它真的很有效。如果不将
word
参数放在那里，OSX可能会注销并一次又一次地发生
 编辑以保留非单词（标点符号、数字等）嗨，谢谢你的回答，但当我应用名词的复数形式时。比如资源，孩子们。它也被移除了。你知道为什么会这样吗？语料库中的单词不包含复数形式。你必须先做lemmatization。添加一行：
nltk.download（'words'）
，如果你没有找到
资源词。
@DYZ有没有办法在
数组的列上使用
单词
语料库？请查看我的问题，嘿，但是nltk语料库中的单词本质上并不详尽，它不包含单词的所有不同形式、单词的同义词等……：它只包含235886个独特的英语单词。我试图检查这个集合中是否同时存在company和companys这个词。我只找到了公司，没有公司。考虑到这一点，有没有办法增加集合的大小，增加同一单词的更多单词、不同形式和同义词？或者有没有其他有效的方法？