我开发了一个从文本中提取护照号码的简单工具（例如，输入 – ‘one hundred thirty five thirty five zero zero’，输出 – 1353500）

但是，如何过滤掉像’ok’、’mhm’这样的无关词汇呢？

例如，人类可能会说’ok it is 1353500’，而机器人可能会从’ok’、’it’、’is’中提取一些毫无意义的数字，这是不可取的。问题是如何忽略这些非数字词汇？

回答：

这些基本上是停用词。要删除它们，你需要下载nltk包，其中包含了所有英语停用词

from nltk.corpus import stopwordsw = stopwords.words('english')#假设data是一个包含你句子的字符串for word in w:   if word in data:       data.replace(word,'')