NLTK英文语料库words模块计数出现重复结果的问题

NLTK的words语料库是合并多个不同英语词典资源构建的，并非单一来源的词典。这就导致部分单词会在不同源词典里被重复收录，最终反映在语料库中。

你遇到的words.words().count("skirt")返回2，就是因为这个词在语料库的不同文件/来源里各出现了一次；而count("Skirt")返回0，是因为整个语料库的条目都是小写形式，没有首字母大写的版本。

至于你切片查看甚至排序后没发现重复，是因为words.words()返回的不是普通Python列表，而是懒加载的语料库视图对象：当你切片时，它只会加载对应范围的内容，而重复的条目可能不在你查看的切片范围内。如果要确认重复，你可以把它转成列表后再检查：

from nltk.corpus import words
word_list = list(words.words())
print(word_list.count("skirt"))  # 依然返回2
# 查找重复条目的位置
duplicate_indices = [idx for idx, word in enumerate(word_list) if word == "skirt"]
print(duplicate_indices)  # 会输出两个不同的索引值

这类重复并非NLTK的Bug，而是语料库构建时多源合并的正常结果——不同词典可能因收录标准、地域变体（如美式/英式英语）等原因，重复收录同一个单词。

内容的提问来源于stack exchange，提问作者pebox11