python - 使用 nltk.data.load 加载english.pickle 失败

Question

尝试加载punkt标记器时...

import nltk.data
tokenizer = nltk.data.load('nltk:tokenizers/punkt/english.pickle')

...aLookupError提出：

> LookupError: 
>     *********************************************************************   
> Resource 'tokenizers/punkt/english.pickle' not found.  Please use the NLTK Downloader to obtain the resource: nltk.download().   Searched in:
>         - 'C:\\Users\\Martinos/nltk_data'
>         - 'C:\\nltk_data'
>         - 'D:\\nltk_data'
>         - 'E:\\nltk_data'
>         - 'E:\\Python26\\nltk_data'
>         - 'E:\\Python26\\lib\\nltk_data'
>         - 'C:\\Users\\Martinos\\AppData\\Roaming\\nltk_data'
>     **********************************************************************

score 296 · Accepted Answer

我有同样的问题。进入 python shell 并输入：

>>> import nltk
>>> nltk.download()

然后出现一个安装窗口。转到“模型”选项卡，然后从“标识符”列下选择“punkt”。然后单击下载，它将安装必要的文件。然后它应该工作！

score 113 · Accepted Answer

您看到该错误的主要原因是 nltk 找不到punkt包。由于nltk套件的大小，安装时默认情况下不会下载所有可用的软件包。

你可以下载punkt这样的包。

import nltk
nltk.download('punkt')

from nltk import word_tokenize,sent_tokenize

在更新版本的错误消息中也建议这样做：

LookupError: 
**********************************************************************
  Resource punkt not found.
  Please use the NLTK Downloader to obtain the resource:

  >>> import nltk
  >>> nltk.download('punkt')
  
  Searched in:
    - '/root/nltk_data'
    - '/usr/share/nltk_data'
    - '/usr/local/share/nltk_data'
    - '/usr/lib/nltk_data'
    - '/usr/local/lib/nltk_data'
    - '/usr/nltk_data'
    - '/usr/lib/nltk_data'
    - ''
**********************************************************************

如果您不向download函数传递任何参数，它将下载所有包，即chunkers, grammars, misc, sentiment, taggers, corpora, help, models, stemmers, tokenizers。

nltk.download()

上述函数将包保存到特定目录。您可以从此处的评论中找到该目录位置。https://github.com/nltk/nltk/blob/67ad86524d42a3a86b1f5983868fd2990b59f1ba/nltk/downloader.py#L1051

score 28 · Accepted Answer

这就是刚才对我有用的方法：

# Do this in a separate python interpreter session, since you only have to do it once
import nltk
nltk.download('punkt')

# Do this in your ipython notebook or analysis script
from nltk.tokenize import word_tokenize

sentences = [
    "Mr. Green killed Colonel Mustard in the study with the candlestick. Mr. Green is not a very nice fellow.",
    "Professor Plum has a green plant in his study.",
    "Miss Scarlett watered Professor Plum's green plant while he was away from his office last week."
]

sentences_tokenized = []
for s in sentences:
    sentences_tokenized.append(word_tokenize(s))

sentence_tokenized 是令牌列表的列表：

[['Mr.', 'Green', 'killed', 'Colonel', 'Mustard', 'in', 'the', 'study', 'with', 'the', 'candlestick', '.', 'Mr.', 'Green', 'is', 'not', 'a', 'very', 'nice', 'fellow', '.'],
['Professor', 'Plum', 'has', 'a', 'green', 'plant', 'in', 'his', 'study', '.'],
['Miss', 'Scarlett', 'watered', 'Professor', 'Plum', "'s", 'green', 'plant', 'while', 'he', 'was', 'away', 'from', 'his', 'office', 'last', 'week', '.']]

这些句子取自“挖掘社交网络，第 2 版”一书的示例 ipython 笔记本

score 17 · Accepted Answer

17

从 bash 命令行，运行：

$ python -c "import nltk; nltk.download('punkt')"

于 2017-05-26T18:50:31.523 回答

score 13 · Accepted Answer

这对我有用：

>>> import nltk
>>> nltk.download()

在 Windows 中，您还将获得 nltk 下载器

score 11 · Accepted Answer

简单nltk.download()不会解决这个问题。我尝试了以下方法，它对我有用：

在nltk文件夹中创建一个tokenizers文件夹并将您的文件夹复制punkt到tokenizers文件夹中。

这会奏效。！文件夹结构需要如图所示！1

score 6 · Accepted Answer

在 Spyder 中，转到您的活动 shell 并使用以下 2 个命令下载 nltk。import nltk nltk.download() 然后你应该会看到如下打开的 NLTK 下载器窗口，转到此窗口中的“模型”选项卡，然后单击“punkt”并下载“punkt”

score 6 · Accepted Answer

nltk 有其预训练的标记器模型。模型从内部预定义的 Web 源下载并存储在已安装的 nltk 包的路径中，同时执行以下可能的函数调用。

例如 1 标记器 = nltk.data.load('nltk:tokenizers/punkt/english.pickle')

例如 2 nltk.download('punkt')

如果您在代码中调用上述语句，请确保您有没有任何防火墙保护的互联网连接。

我想分享一些更好的alter-net方法来解决上述问题，并有更深入的理解。

请按照以下步骤使用 nltk 享受英语单词标记化。

第 1 步：首先按照 web 路径下载“english.pickle”模型。

转到链接“ http://www.nltk.org/nltk_data/ ”并单击选项“107.Punkt Tokenizer Models”中的“下载”

步骤2：解压下载的“punkt.zip”文件并从中找到“english.pickle”文件并放入C盘。

第三步：复制粘贴以下代码并执行。

from nltk.data import load
from nltk.tokenize.treebank import TreebankWordTokenizer

sentences = [
    "Mr. Green killed Colonel Mustard in the study with the candlestick. Mr. Green is not a very nice fellow.",
    "Professor Plum has a green plant in his study.",
    "Miss Scarlett watered Professor Plum's green plant while he was away from his office last week."
]

tokenizer = load('file:C:/english.pickle')
treebank_word_tokenize = TreebankWordTokenizer().tokenize

wordToken = []
for sent in sentences:
    subSentToken = []
    for subSent in tokenizer.tokenize(sent):
        subSentToken.extend([token for token in treebank_word_tokenize(subSent)])

    wordToken.append(subSentToken)

for token in wordToken:
    print token

让我知道，如果您遇到任何问题

score 6 · Accepted Answer

在 Jenkins 上，可以通过在Build选项卡下的Virtualenv Builder中添加以下类似代码来解决此问题：

python -m nltk.downloader punkt

score 4 · Accepted Answer

当我尝试在 nltk 中进行 pos 标记时，我遇到了这个问题。我正确的方法是创建一个新目录以及名为“taggers”的语料库目录，并在目录标记器中复制 max_pos_tagger。
希望它也适合你。祝你好运！！！！

score 3 · Accepted Answer

使用分配的文件夹进行多次下载时我遇到了类似的问题，我不得不手动附加数据路径：

单次下载，可按如下方式实现（作品）

import os as _os
from nltk.corpus import stopwords
from nltk import download as nltk_download

nltk_download('stopwords', download_dir=_os.path.join(get_project_root_path(), 'temp'), raise_on_error=True)

stop_words: list = stopwords.words('english')

此代码有效，这意味着 nltk 会记住下载功能中传递的下载路径。在其他方面，如果我下载后续包，我会收到用户描述的类似错误：

多次下载引发错误：

import os as _os

from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

from nltk import download as nltk_download

nltk_download(['stopwords', 'punkt'], download_dir=_os.path.join(get_project_root_path(), 'temp'), raise_on_error=True)

print(stopwords.words('english'))
print(word_tokenize("I am trying to find the download path 99."))

错误：

找不到资源punkt。请使用 NLTK 下载器获取资源：

导入 nltk nltk.download('punkt')

现在，如果我将 ntlk 数据路径附加到我的下载路径中，它可以工作：

import os as _os

from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

from nltk import download as nltk_download
from nltk.data import path as nltk_path


nltk_path.append( _os.path.join(get_project_root_path(), 'temp'))


nltk_download(['stopwords', 'punkt'], download_dir=_os.path.join(get_project_root_path(), 'temp'), raise_on_error=True)

print(stopwords.words('english'))
print(word_tokenize("I am trying to find the download path 99."))

这有效...不知道为什么在一种情况下有效，但在另一种情况下无效，但错误消息似乎暗示它第二次没有检入下载文件夹。注意：使用 windows8.1/python3.7/nltk3.5

score 2 · Accepted Answer

在Python-3.6我可以看到回溯中的建议。这很有帮助。因此，我会说你们要注意你得到的错误，大多数时候答案都在那个问题之内；）。

然后按照这里其他人的建议，要么使用 python 终端，要么使用python -c "import nltk; nltk.download('wordnet')"我们可以即时安装它们的命令。您只需要运行该命令一次，然后它将数据本地保存在您的主目录中。

score 1 · Accepted Answer

您只需要转到 python 控制台并输入->

import nltk

按回车并重新输入->

nltk.download()

然后会出现一个界面。只需搜索下载按钮并按下它。它将安装所有必需的项目并且需要时间。给点时间，然后再试一次。你的问题会得到解决

score 0 · Accepted Answer

punkt tokenizers 数据非常大，超过35 MB，如果像我一样在资源有限的环境（例如 lambda）中运行 nltk，这可能是一件大事。

如果您只需要一个或几个语言标记器，您可以通过仅包含这些语言.pickle文件来大幅减少数据的大小。

如果您只需要支持英语，那么您的 nltk 数据大小可以减少到407 KB（对于 python 3 版本）。

脚步

下载 nltk punkt 数据：https ://raw.githubusercontent.com/nltk/nltk_data/gh-pages/packages/tokenizers/punkt.zip
在您的环境中的某处创建文件夹：nltk_data/tokenizers/punkt，如果使用 python 3 添加另一个文件夹PY3，以便您的新目录结构看起来像nltk_data/tokenizers/punkt/PY3. 就我而言，我在项目的根目录下创建了这些文件夹。
解压缩 zip 并将.pickle您想要支持的语言的文件移动到punkt您刚刚创建的文件夹中。注意：Python 3 用户应该使用PY3文件夹中的泡菜。加载语言文件后，它应该类似于：example-folder-stucture
现在您只需将nltk_data文件夹添加到搜索路径，假设您的数据不在预定义的搜索路径之一中。您可以使用任一环境变量添加数据NLTK_DATA='path/to/your/nltk_data'。您还可以通过执行以下操作在 python 运行时添加自定义路径：

from nltk import data
data.path += ['/path/to/your/nltk_data']

注意：如果您不需要在运行时加载数据或将数据与代码捆绑在一起，最好在 nltk 查找的内置位置nltk_data创建文件夹。

score 0 · Accepted Answer

nltk.download()不会解决这个问题。我尝试了以下方法，它对我有用：

在'...AppData\Roaming\nltk_data\tokenizers'文件夹中，将下载的文件夹解压缩punkt.zip到同一位置。

score 0 · Accepted Answer

0

只需添加下面给出的两行：-

import nltk
nltk.download('punkt')

于 2021-10-02T15:16:57.817 回答

score 0 · Accepted Answer

0

检查您是否拥有所有 NLTK 库。

于 2016-09-11T15:36:27.810 回答

score 0 · Accepted Answer

如果上述所有策略都不起作用（对我来说就是这种情况），只需运行以下代码：

import nltk.data
tokenizer = nltk.data.load('nltk:tokenizers/punkt/english.pickle')

我一定因此浪费了时间，这段代码似乎解决了我的问题。

参考：

https://www.nltk.org/howto/data.html

python - 使用 nltk.data.load 加载english.pickle 失败

18 回答 18

脚步

Related

Reference