Python nltk载入自己的中文语料库的两种方法 for Windows7

前提：把自己的语料库(sogou文本分类语料库)放在LTK_DATA/corpora/目录下；
然后在命令行输入以下之后，即可看到所有的txt文件名列表了。

• 第一种方法：BracketParseCorpusReader更适合已解析过的语料库

from nltk.corpus import BracketParseCorpusReader
corpus_root =r"F:\nltk_data\corpora\SogouC.reduced.20061127\SogouC.reduced\Reduced"  # r"" 防止转义
file_pattern = r".*/.*\.txt"    #匹配corpus_root目录下的所有子目录下的txt文件
ptb = BracketParseCorpusReader(corpus_root, file_pattern)   #初始化读取器：语料库目录和要加载文件的格式，默认utf8格式的编码
ptb.fileids()   #至此，可以看到目录下的所有文件名，例如C000008/1001.txt，则成功了
ptb.raw(“C000008/1001.txt”) # 如果C000008/1001.txt编码格式和ptb格式一致，则看到内容

得到文件的内容后，就可以分词处理了

import jieba
w = jieba.cut(ptb.raw(“C000008/1001.txt”)) #jieba分词工具对文本分词
wlst = list(w)      #得到分词列表
w1 = “ ”.join(w)    #得到空格划分的分词后文本字符串

• 另一种方法：PlaintextCorpusReader更适合文本文件

from nltk.corpus import PlaintextCorpusReader
corpus_root = r"F:\nltk_data\corpora\SogouC.reduced.20061127\SogouC.reduced\Reduced"
file_pattern = r"1001\.txt"
wordlists = PlaintextCorpusReader(corpus_root, file_pattern)
wordlists.fileids()
wordlists.words("1001.txt")

问题1：下面的命令没办法成功执行？

len(ptb.sents())    #   由于没有sents预处理过，所有没有这个方法，不知道怎么设置？？
ptb.sents(fileid='C000024/999.txt')[19] #同上

问题2：在BracketParseCorpusReadr加载中文txt文件时，如何解决gb2312编码问题？（不考虑手动更改文件编码格式前提下）

补充：
Python 解决中文编码问题基本可以用以下逻辑：
utf-8（输入） ——> unicode（处理） ——> （输出）utf-8