NLTK安装过程中遇到的坑

NLTK安装过程中遇到的坑

1. 无法下载

   按照网上的教程输入如下代码会报错 “Connection refused”

   import nltk
   nltk.download()
   

   

   解决办法：手动下载数据文件，链接：https://github.com/nltk/nltk_data/tree/gh-pages（2021-1-5下载的大概620M左右）。下载之后解压，将packages文件夹更名为“nltk_data”后放入上图Download Directory路径。

   然后执行代码：

   import nltk
   from nltk.book import *
   

   如果输出下面的提示信息，则代表安装成功

   *** Introductory Examples for the NLTK Book ***
   Loading text1, …, text9 and sent1, …, sent9
   Type the name of the text or sentence to view it.
   Type: ‘texts()’ or ‘sents()’ to list the materials.
   text1: Moby Dick by Herman Melville 1851
   text2: Sense and Sensibility by Jane Austen 1811
   text3: The Book of Genesis
   text4: Inaugural Address Corpus
   text5: Chat Corpus
   text6: Monty Python and the Holy Grail
   text7: Wall Street Journal
   text8: Personals Corpus
   text9: The Man Who Was Thursday by G . K . Chesterton 1908

2. 无法使用分词

   我在使用word_tokenize进行分词的时候还是会报错，提示缺少“punkt”。解决办法如下

   下载数据文件，链接：https://raw.githubusercontent.com/nltk/nltk_data/gh-pages/packages/tokenizers/punkt.zip。然后将其解压放入上面nltk_data 下的tokenizers中。即可正常使用分词。