Регулярное выражение для получения только слов из файла, начинающегося с буквы, и удаления слов только с номерами и пунктуацией в python

Question

У меня есть текстовый файл, который я читаю в python через функции nltk. Мне нужно получить только слова из файла, начинающиеся с буквы, и удаление слов только с номерами и пунктуацией. Для экс: -

['Osteama pranay@123 123 !'] 

так желаемая выход

Osteama pranay@123 

Пожалуйста, предложите регулярное выражение для этого

Answer 1

import re 
' '.join(re.findall(r'\b[a-z][^\s]*\b', 'Osteama pranay@123 123 !', re.I)) 

же регулярное выражение используется с nltk.RegexpTokenizer

import nltk 
tokenizer = RegexpTokenizer(r'[a-zA-Z][^\s]*\b') 
nltk.tokenize('Osteama pranay@123 123 !') 

Answer 2

Чтобы использовать регулярные выражения вам нужна >>> импорта повторно первого

import nltk,re,pprint 
from __future__ import division 
from nltk import word_tokenize 

def openbook(self,book): 
    file = open(book) 
    raw = file.read() 
    tokens = nltk.wordpunct_tokenize(raw) 
    text = nltk.Text(tokens) 
    words = [w.lower() for w in text] 
    vocab = sorted(set(words)) 
    return vocab 
if __name__ == "__main__": 
    import sys 
    openbook(file(sys.argv[1])) 

Это может помочь вам