是否可以使用python检查字符串是否包含英文单词？

Question

因此，我正在尝试为我的一个项目制定自动化解决方案，并且我正在使用 Python/Django，因为它是网络应用程序。我试图在字符串列表中，特别是在比特币地址中找到一个英语单词。该项目是关于虚荣地址的，所以我试图找出比特币地址中是否有英文单词。我知道这听起来很疯狂，但我很想知道这是否可能。例如，

1GOOGLEzZDwTGhXJwPSapWtViWJf2NJYyt
1vsDRvApplemzFVj8ALj6mfBsbifRoD4mi
1NmD9HtNHYjtkncsT1bXW1j84jg9MV8VzD 
1mFAceBookzFVj8ALj6mfBsbifRoD4miY3
1mzFVj8ALj6mfBsbifRoYaHOOeD4miY36v
1NmzD3YLFsMpPQEsCVCjanAiN1trk3tURL 

所以第一个地址包含谷歌，第二个包含苹果，第三个什么都不包含，第四个包含Facebook，第五个包含雅虎，第六个包含URL，我不认为是英语单词，但就像Google和Facebook一样，它是一个同类词。那么是否可以使用Python检查一个比特币地址中包含哪些单词呢？地址中可以有零个或多个可能的单词，我想知道哪些单词（如果可能）。

如果可能的话，谁能告诉我可以使用哪个库？我正在使用 Python3 和 Django 2。

PS我并不是专门在里面寻找Google、Facebook、Apple、yahoo！这只是一个例子。我想检查一个地址是否包含英文单词，这意味着它可以包含monkey或donkey任何英文单词。

谢谢。

Answer 1

您需要一份您想要检测的所有英语单词的列表。有很多地方可以获得这些。我建议查看拼写检查器的字典文件，例如 aspell，因为您不关心定义。Aspell有一个转储单词列表的命令。

aspell -d en dump master | aspell -l en expand > words.en.txt

接下来，获取单词的可迭代。您可能想要过滤掉诸如a和之类的简短单词I，以及任何带有不能出现在地址中的特殊字符的单词。将单词列表格式化为带有交替的正则表达式，即'|'.join(wordlist).

由于 Python 的回溯正则表达式引擎不能有效地处理替换，因此您需要一个更快的引擎。Try pip install rure，它使用 Rust 的正则表达式引擎，并使用它来编译正则表达式。（请参阅 Rust 的正则表达式优化指南。）如果您关心它找到的是哪个单词，您可以将整个正则表达式包装起来()，使其成为一个捕获组。

然后依次针对每个地址运行已编译的正则表达式（可能不区分大小写）。如果匹配，您就会得到这个词。