【自然语言处理】调用NLTK数据失败‘wordnet‘和‘punkt‘不存在[Errno 11004]问题解决

wordnet报错

明明已经按照了nltk包，但使用 WordNet 语料库时依然报错提示数据不存，依据以下代码在python中下载wordnet仍然报错：

import nltk
nltk.download('wordnet')

运行后始终提示：

[nltk_data] Error loading wordnet: <urlopen error [Errno 11004]
[nltk_data]     getaddrinfo failed>
False

下载这个语料库需要翻墙，挂了梯子仍然报错，估计是网络原因已经不支持在线下载了。于是尝试手动下载。
NLTK数据库官网：https://github.com/nltk/nltk_data

再运行代码就没有问题了，但需要注意在代码中加入下面的代码以定位到自己的路径：

nltk.data.path.append('/path/to/custom/nltk_data')
#引号里是自己保存nltk数据的路径

punkt报错

好不容易解决了wordnet问题，运行到一半又提示punkt找不到了。在刚刚下载的文件夹中找到“tokenizers”文件夹，发现里面是有“punkt”文件夹的，但没有解压，把它解压一下就行。


需要注意：解压后一般会自动再创建一个punkt文件夹将解压后的文件嵌套在其中，由此出现/tokenizers/punkt/punkt的情况，这样会导致路径读取失败，所以需要删掉一个，挪一下位置，保证最后的路径是 /tokenizers/punkt，具体如下图所示。再回头运行代码就不会报错了。