如何用Python识别文本数据集中的拼写错误（仅检测不纠错）

要实现这个需求，核心是识别每个条目里的拼写错误单词，再筛选出包含错误单词的条目。可以用pyenchant库（轻量英文拼写检查工具）完成，步骤如下：

1. 安装依赖 #

执行命令安装拼写检查库：

pip install pyenchant

2. 代码实现 #

import enchant

# 加载英文（美式）词典
spell_checker = enchant.Dict("en_US")

# 样本数据集
dataset = [
    "Kurtas for women",
    "parti wear dresses",
    "denim jeans",
    "overcot"
]

# 判断条目是否包含拼写错误单词
def has_spelling_error(text):
    words = text.lower().split()
    for word in words:
        if not spell_checker.check(word):
            return True
    return False

# 筛选有拼写错误的条目
error_entries = [entry for entry in dataset if has_spelling_error(entry)]

# 格式化输出结果
for idx, entry in enumerate(error_entries, 1):
    print(f"{idx}. {entry}")

运行结果 #

1. parti wear dresses
2. overcot

说明 #

• 若需英式英语拼写检查，可将词典替换为en_GB；
• 转换为小写是为了避免大小写干扰检查（比如"Kurtas"这类正确单词不会被误判）；
• 只要条目包含至少一个拼写错误单词，就会被筛选出来，完全匹配需求。

内容的提问来源于stack exchange，提问作者riya23