NLTK下载报错[nltk_data] Error loading reuters: ＜urlopen error [Errno 11004] [nltk_data] getaddrinfo

在完成cs224n Assignment1时，需要使用nltk库里的reuters语料库，但是运行代码里的nltk.download(“reuters”)时，由于网络问题，会出现报错无法下载：

[nltk_data] Error loading reuters: <urlopen error [Errno 11004] 
[nltk_data]     getaddrinfo

按照网上的教程折腾了很久，踩了很多坑摸索出一套行之有效且极简的解决方式。不用下载整个ntlk包（700多M），只需要按自己的需求下载相应的文件即可。

失败方式一：修改HOST

此方式需要添加代理，使用全局魔法。按照博文NLTK异常问题所给出的在HOSTS里添加IP地址199.232.68.133 raw.githubusercontent.com无效，原因在于此IP已失效。
由于本人只有浏览器端的梯子，没有全局梯子，所以这种方式PASS

失败方式二：下载NLTK包但无法使用

通常给出的方式是去GItee链接上下载NLTK包，但大部分博主都是直接下载整个包（700多M），非常占用内存。这里给出按需所需文件的方式，和特别需要注意的细节！（踩过的坑）

1. 首先查看自己的NLTK目录，没有就创建

在python解释器里键入

import nltk
nltk.download(".")

会看到如下返回，

 Searched in:
    - 'C:\\Users\\YayingLuo/nltk_data'
    - 'C:\\Users\\ghost\\anaconda3\\envs\\cs224n\\nltk_data'
    - 'C:\\Users\\ghost\\anaconda3\\envs\\cs224n\\share\\nltk_data'
    - 'C:\\Users\\ghost\\anaconda3\\envs\\cs224n\\lib\\nltk_data'
    - 'C:\\Users\\YayingLuo\\AppData\\Roaming\\nltk_data'
    - 'C:\\nltk_data'
    - 'D:\\nltk_data'
    - 'E:\\nltk_data'

这些路径会由于各自的用户名不同而有所不同。出现这样的返回是因为没有找到相关nltk_data路径所导致的。在这些路径里选择某一个，在其下创建nltk_data文件夹，如：
C:\Users\ghost\anaconda3\envs\cs224n\nltk_data

2. 下载自己所需要的语料库文件

例如，原来的代码里需要下载的是reuters语料库，一个金融新闻数据集。

nltk.corpus('reuters')

在上面给出的gitee链接里的pacages/corpora路径下，下载reuters.zip文件

因为这里在gitee下载，压缩包里包括出现很多路径前缀名，而且真正的reuters文件夹还在这一层之下！需要修改，否则不能正确使用。

3.【重要】修改相关文件路径名并正确放置下载文件

• 在之前创建的/nltk_data路径下新建一个corpora子文件夹（意思是语料库）
• 把下载的压缩包重命名为reuters.zip
• 把这个reuters.zip文件夹重新压缩移动到/nltk_data/corpora`路径下
• 亲测不用解压缩，直接使用zip即可

这样就可以正常使用了。如果还有问题，请重启jupyter notebook并检查压缩包和路径的命名。

备注

如果anaconda新建env但是jupyter notebook无法连接到该kernel
解决方式是先在anaconda里activate进入相应的环境后，再打开jupyter notebook。而不是在(base)环境下打开。