手头有一份以excel存储的文本数据,在用pandas读入后,想要用自然语言处理的一些库进行处理,在查找资料的时候发现了texthero这个库,在做数据清洗,自然语言处理的时候非常方便,因此就想安装下来用一用。下文记录了安装这个库踩过的一些坑。ヾ(•ω•`)o
1 介绍
Texthero 是一个开源的NLP工具包,旨在 Pandas 之上使用单一工具简化所有 NLP 开发人员的任务。它由预处理、向量化、可视化和 NLP 四个模块组成,可以快速地理解、分析和准备文本数据,以完成更复杂的机器学习任务。
👉官网传送门:https://texthero.org/
👉github源码传送门:https://github.com/jbesomi/texthero
👉访问这个网站要注意科学上网
2 安装
截止动笔写此文,目前发布的textthero的版本是1.1.0。官网给出的安装指南是通过pip工具
pip install texthero
可是,你以为这样就结束了吗?too young too naive!/(ㄒoㄒ)/~~ 问题才刚刚开始
3 出现的问题
问题1:发生警告
Ignoring invalid distribution -ip (d:\program files (x86)\python37\lib\site-packages)
解决方法:进入命令行提示的文件夹d:\program files (x86)\python37\lib\site-packages)
删除~ip开头的文件夹即可。这样的文件夹有2个。
~ip
~ip 20.0.2.dist-info
问题2:导入失败-nltk download失败
[nltk_data] Error loading stopwords: <urlopen error [WinError 10054]
[nltk_data] 远程主机强迫关闭了一个现有的连接。>
Traceback (most recent call last):
File "D:\software\Anaconda3\lib\site-packages\nltk\corpus\util.py", line 83, in __load
root = nltk.data.find("{}/{}".format(self.subdir, zip_name))
File "D:\software\Anaconda3\lib\site-packages\nltk\data.py", line 585, in find
raise LookupError(resource_not_found)
LookupError:
********************************************************************