使用 Python 从文本中删除非英语单词

我正在 python 上进行数据清理练习，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可以使用像 nltk 这样的工具包在 Python 上执行此操作。

例如给出一些文本：

"Io andiamo to the beach with my amico."

我想留下：

"to the beach with my" 

有谁知道如何做到这一点？ 任何帮助将非常感激。

您可以使用words来自 NLTK 的语料库：

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'

很遗憾，Io恰好是一个英文单词。一般来说，可能很难确定一个单词是否是英语。