大量的英语非代词文本
作为自学python的一部分，我写了一个允许用户玩绞刑者的脚本。目前，要猜测的绞刑犯单词只需在脚本代码的开头手动输入即可。
相反，我想让脚本从一个很大的英文单词列表中随机选择。这是我知道怎么做的--我的问题是首先找到要工作的单词列表。
有没有人知道网上有1000个常见英语单词的来源，在那里它们可以作为一个文本块或类似的东西下载，我可以使用它？
(我最初的想法是从古腾堡项目中拿到一大块小说这个项目只供我自己消遣，不会在其他地方找到，所以版权等对我来说并不是很重要，但这样的东西很可能包含太多不适合绞刑者的名字或不标准的单词。我需要文本，只有在拼字游戏中使用合法的字，基本上)。
我想这是一个有点奇怪的问题，但实际上我认为答案可能不仅对我有用，而且对任何其他从事文字游戏或类似项目的人都有用，因为他们需要一个大的单词种子列表来工作。
非常感谢您的任何链接或建议:)
回答 3
Stack Overflow用户
发布于 2010-04-11 21:36:03
this会有用吗？
Stack Overflow用户
发布于 2010-04-11 17:52:11
你试过/usr/share/dict/words吗？
Stack Overflow用户
发布于 2010-04-11 21:29:28
手动创建文本列表
从Project Gutenberg、Wikipedia或其他来源抓取文本。浏览文本，并计算每个单词被找到的次数。出现频率最高的单词是代词、连词等。就把它们扔出去吧。
专有名词很可能是出现频率最低的单词，除非你的文本是一个故事，那么人物名字可能会经常出现。也许处理专有名词的最好方法是使用多个来源，并计算在多少个来源中找到了该单词。从本质上讲，在许多不同来源中常见的单词很可能不是专有名词。特定于一个文本源的单词，您可以将其丢弃。这个想法与tfidf相关。
一旦你计算了这些词频，也很容易查看这些词，并根据需要调整你的列表。
使用Wordnet的
另一个想法是从Wordnet下载单词。Wordnet告诉了很多单词的词性。你可以只使用名词和动词来达到你的目的。
https://stackoverflow.com/questions/2618010
复制
腾讯云开发者
