nltk語料庫的Words.word（）似乎包含奇怪的無效單詞

Question

該代碼循環遍歷nltk庫中的word.words（）中的每個單詞，然後將該單詞推入數組中。然後它檢查數組中的每一個單詞，通過使用相同的庫來查看它是否是實際的單詞，並且不知何故許多單詞是不真實的，如「adighe」。這裏發生了什麼？

import nltk 
from nltk.corpus import words 

test_array = [] 
for i in words.words(): 
    i = i.lower() 
    test_array.append(i) 

for i in test_array: 
    if i not in words.words(): 
     print(i) 

Answer 1

我不認爲這裏有任何神祕的事情發生。我發現的第一個這樣的例子是「Aani」，「對埃及神Thoth神聖的狗頭猿」。由於它是專有名詞，「Aani」在單詞列表中，「aani」不在。

根據dictionary.com，「Adighe」是「Adygei」的替代拼寫，它是另一個專有名詞，意思是俄羅斯的一個地區。既然它也是一種語言，我想你可能會說「adighe」也應該被允許。這個特定的單詞列表會爭辯說它不應該。