python - 从字符串 NLP 中删除英语 "crap"单词的策略，例如 "um"、 "uh"

Question

是否有一个好的 python 库，专门包含某种常见英语“扔掉单词”的字典，例如“um”、“uh”，我可以用它来清理 NLP 文本？

同样，我的同事开始列出俚语/俗语列表。我想要一个能够找到所有这些的 python 库。他下面的 js 代码做了一些事情，比如把“nope”和“naw”变成“no”

  txt = txt.replace(
        /\b(yeah|ya|yep|yup|yes)\b/g, "yes"
    ).replace(
        /\b(no|naw|nope)\b/g, "no"
    ).replace(
        /\b([ah]+|uh-huh|uh+|um+|mhm+|huh+|oh)\b/g, ""
    ).replace(
        /\b(im|i'm|i am)\b/g, "im"
    ).replace(
        /\b(gotta|gonna|got to|going to|wanna|want to)\b/g, "yyxxa"
    ).replace(
        /\b(ok|okay|k)\b/g, "okay"
    );

Answer 1

部分答案在这里:https://github.com/words/fillers/blob/master/index.json