一、概念

首先我们来看一下停用词的概念，然后来介绍使用nltk如何删除英文的停用词：

由于一些常用字或者词使用的频率相当的高，英语中比如a，the, he等，中文中比如：我、它、个等，每个页面几乎都包含了这些词汇，如果搜索引擎它们当关键字进行索引，那么所有的网站都会被索引，而且没有区分度，所以一般把这些词直接去掉，不可当做关键词。

二、使用nltk删除英文停用词

首先我import stopwords进来，代码如下：

from nltk.corpus import stopwords

words = stopwords.words('english')

print(words)

首先看看打印停用词的结果：

['i', 'me', 'my', 'myself', 'we', 'our', 'ours', 'ourselves', 'you', 'your', 'yours', 'yourself', 'yourselves', 'he', 'him', 'his', 'himself', 'she', 'her', 'hers', 'herself', 'it', 'its', 'itself', 'they', 'them', 'their', 'theirs', 'themselves', 'what', 'which', 'who', 'whom', 'this', 'that', 'these', 'those', 'am', 'is', 'are', 'was', 'were', 'be', 'been', 'being', 'have', 'has', 'had', 'having', 'do', 'does', 'did', 'doing', 'a', 'an', 'the', 'and', 'but', 'if', 'or', 'because', 'as', 'until', 'while', 'of', 'at', 'by', 'for', 'with', 'about', 'against', 'between', 'into', 'through', 'during', 'before', 'after', 'above', 'below', 'to', 'from', 'up', 'down', 'in', 'out', 'on', 'off', 'over', 'under', 'again', 'further', 'then', 'once', 'here', 'there', 'when', 'where', 'why', 'how', 'all', 'any', 'both', 'each', 'few', 'more', 'most', 'other', 'some', 'such', 'no', 'nor', 'not', 'only', 'own', 'same', 'so', 'than', 'too', 'very', 's', 't', 'can', 'will', 'just', 'don', 'should', 'now', 'd', 'll', 'm', 'o', 're', 've', 'y', 'ain', 'aren', 'couldn', 'didn', 'doesn', 'hadn', 'hasn', 'haven', 'isn', 'ma', 'mightn', 'mustn', 'needn', 'shan', 'shouldn', 'wasn', 'weren', 'won', 'wouldn']

当然在很多任务（比如对话任务中）中，停用词还包括下面这些符合和后缀：

['!', ',' ,'.' ,'?' ,'-s' ,'-ly' ,' ', 's']

使用下面代码，将他们加上去

for w in ['!',',','.','?','-s','-ly','','s']:

self.stopwords.add(w)

然后删除的用法就非常容易，假如我们的语料在word_list中，我们只需要写上下面的代码即可！

from nltk.corpus import stopwords

for w in ['!',',','.','?','-s','-ly','','s']:

self.stopwords.add(w)

filtered_words = [word for word in word_list if word not in stopwords.words('english')]