咨询是否存在剔除脏话、行话及拉丁科学词汇的美式英语完整词表

目前没有100%匹配你列出的所有筛选规则、开箱即用的公开词表，但完全可以基于现有公开的通用语料资源，花极少工作量整理出完全符合要求的版本，不需要从零开始收集词汇。

可直接作为底表的公开词类资源 #

• 美式英语通用核心词库：这类词库本身就是面向日常交流、通用写作场景搭建的，收录的全是普通美国人日常生活、工作、学习中高频使用的词汇，设计之初就没有纳入绝大多数脏话、极细分领域的专业行话，对通用场景的词汇覆盖率能到98%以上，不需要做大规模剔除。
• K12阶段通用教育词表：这类词表面向中小学英语教学设计，天然完成了低俗、不适宜内容的过滤，所有词汇都是非专业场景的通用表达，几乎不会出现小众行业黑话，唯一需要额外处理的就是筛掉其中少量归入科学课标的拉丁语源术语。

快速得到目标词表的筛选步骤 #

整个筛选流程不需要复杂的编程能力，用普通的表格工具就能完成：

1. 以上述任意一类通用词表为基础，先匹配公开的英文脏话词表做剔除，这一步工作量极小——通用核心词表里的脏话占比不到0.1%，哪怕手动核对都花不了半小时。
2. 给底表的所有词汇匹配本地公开的词源标注数据，把词源标记为拉丁语、且归类为自然科学术语分支的条目剔除即可，不需要逐词查词源判断。
3. 最后做一轮词频校验，把在美式英语通用平衡语料中出现频率低于百万分之一的条目全部筛掉，这一步能自动清除掉剩下的零散垂直领域行话——毕竟专业行话在通用场景的出现频率本身就极低，靠词频阈值就能过滤干净。

不要直接使用全网爬取的无过滤英文词表，这类词表普遍混杂大量网络粗口、小众圈子黑话、各行业专属术语，后期清理的工作量比从通用核心词库做二次筛选大得多。

内容的提问来源于stack exchange，提问作者Andrew Zeff