Python：调用NLTK报错LookupError: Recource 'tokenizers/punkt/english.pickle' not found(基于Anaconda)

在敲《Python机器学习及实践》上自然语言处理包（NLTK）上code的时候，导入nltk之后，运行出现LookupError: Recource 'tokenizers/punkt/english.pickle' not found的错误信息。（注：本错误基于Anaconda）

代码如下：

# 将上述两个句子以字符串的数据类型分别存储在变量sent1与sent2中
sent1 = 'The cat is walking in the bedroom.'
sent2 = 'A dog was running across the kitchen.'

# 从sklearn.feature_extraction.text中导入CountVectorizer
from sklearn.feature_extraction.text import CountVectorizer
count_vec = CountVectorizer()

sentences = [sent1, sent2]

# 输出特征向量化后的表示
print(count_vec.fit_transform(sentences).toarray())

# 输出向量各个维度的特征含义
print(count_vec.get_feature_names())

# 导入NLTK
import nltk

# 对句子进行词汇分割和正规化，有些情况如aren't需要分割为are和n't；或者I'm要分割为I和'm
tokens_1 = nltk.word_tokenize(sent1)
print(tokens_1)

tokens_2 = nltk.word_tokenize(sent2)
print(tokens_2)

错误提示信息：

解决方案：

（1）在import nltk之后，调用之前，添加下面一句代码：

nltk.download()

（2）然后在弹出的“NLTK Downloader”中设置路径，如下图：

（3）配置环境变量（如果采用默认路径，不需要配置）

打开系统 --> 高级系统设置 --> 高级 --> 环境变量中，先新建一个用户变量，如下图：

然后将此用户变量添加到系统变量CLASSPATH中：

即完整代码为：

# 将上述两个句子以字符串的数据类型分别存储在变量sent1与sent2中
sent1 = 'The cat is walking in the bedroom.'
sent2 = 'A dog was running across the kitchen.'

# 从sklearn.feature_extraction.text中导入CountVectorizer
from sklearn.feature_extraction.text import CountVectorizer
count_vec = CountVectorizer()

sentences = [sent1, sent2]

# 输出特征向量化后的表示
print(count_vec.fit_transform(sentences).toarray())

# 输出向量各个维度的特征含义
print(count_vec.get_feature_names())

# 导入NLTK
import nltk

nltk.download()

# 对句子进行词汇分割和正规化，有些情况如aren't需要分割为are和n't；或者I'm要分割为I和'm
tokens_1 = nltk.word_tokenize(sent1)
print(tokens_1)

tokens_2 = nltk.word_tokenize(sent2)
print(tokens_2)

注意：

1、可能要等一会，因为需要下载一些文件。

2、下载完成之后，可以把加入的那句代码删除，因为不需要再次下载，下次直接运行即可