nltk 系列学习:http://www.burnelltek.com/blog/24026f94f7e611e6841d00163e0c0e36
NLTK是由许多许多的包来构成的
官方的nltk.download()老是下载失败。无数遍了。浪费了很多很多时间。
python命令行:
>>>import nltk
>>>nltk.download()
下载某个包,很慢,例如punkt ,我就用nltk.download()试着下载了一个,观察他的文件位置,这才发现原来有好几个文档目录。
https://raw.githubusercontent.com/nltk/nltk_data/gh-pages/index.xml
官方下载http://nltk.org/nltk_data/
另外,也可以到nltk.code.google.com 下载,
nltk 这个package会按照以下目录顺序查找需要的data,
C:\\Python27\\nltk_data\
C:\\nltk_data
D:\\nltk_data
E:\\nltk_data
所以,下载好了我的压缩包之后,解压放入以上任何一个目录就可以了
├─chunkers #这一级为nltk_data下的文件夹
│ └─maxent_ne_chunker #这一级为相对应文件夹下的数据文件
├─corpora #这一级为nltk_data下的文件夹
│ ├─abc #这一级为相对应文件夹下的数据文件
│ ├─alpino
│ ├─basque_grammars
│ ├─biocreative_ppi
│ ├─book_grammars
│ ├─brown
│ ├─brown_tei
│ ├─cess_cat
│ ├─cess_esp
│ ├─chat80
│ ├─city_database
│ ├─cmudict
│ ├─comtrans
│ ├─conll2000
│ ├─conll2002
│ ├─conll2007
│ ├─dependency_treebank
│ ├─europarl_raw
│ │
│ ├─floresta
│ ├─gazetteers
│ ├─genesis
│ ├─gutenberg
│ ├─hmm_treebank_pos_tagger
│ ├─ieer
│ ├─inaugural
│ ├─indian
│ ├─jeita
│ ├─kimmo
│ ├─knbc
│ │
│ ├─langid
│ ├─large_grammars
│ ├─machado
│ │
│ ├─mac_morpho
│ ├─maxent_ne_chunker
│ ├─maxent_treebank_pos_tagger
│ ├─movie_reviews
│ │
│ ├─names
│ ├─nombank.1.0
│ │
│ ├─nps_chat
│ ├─oanc_masc
│ │
│ ├─paradigms
│ ├─pe08
│ ├─pil
│ ├─pl196x
│ ├─ppattach
│ ├─problem_reports
│ ├─propbank
│ │
│ ├─ptb
│ ├─punkt
│ ├─qc
│ ├─reuters
│ │
│ ├─rslp
│ ├─rte
│ ├─sample_grammars
│ ├─semcor
│ │
│ ├─senseval
│ ├─shakespeare
│ ├─sinica_treebank
│ ├─smultron
│ ├─spanish_grammars
│ ├─state_union
│ ├─stopwords
│ ├─swadesh
│ ├─switchboard
│ ├─tagsets
│ ├─timit
│ │
│ ├─toolbox
│ │
│ ├─treebank
│ │
│ ├─udhr
│ ├─udhr2
│ ├─unicode_samples
│ ├─verbnet
│ ├─webtext
│ ├─wordnet
│ ├─wordnet_ic
│ ├─words
│ └─ycoe
├─grammars
│ ├─basque_grammars
│ ├─book_grammars
│ ├─large_grammars
│ ├─sample_grammars
│ └─spanish_grammars
├─help
│ └─tagsets
├─stemmers
│ └─rslp
├─taggers
│ ├─hmm_treebank_pos_tagger
│ ├─maxent_ne_chunker
│ └─maxent_treebank_pos_tagger
└─tokenizers
└─punkt