使用nltk.data.load加载english.pickle失败

尝试加载punkt令牌生成器时...

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

... LookupError有人提出：

> 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'
>     **********************************************************************

我有同样的问题。进入python shell并输入：

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

然后出现安装窗口。转到“模型”标签，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！

您可以这样做。

import nltk
nltk.download('punkt')

from nltk import word_tokenize,sent_tokenize

您可以通过将punkt参数传递为函数来下载令牌生成器download。然后可以在上使用单词和句子标记器nltk。

如果你想下载的一切，即chunkers，grammars，misc，sentiment，taggers，corpora，help，models，stemmers，tokenizers，不通过任何这样的论点。

nltk.download()

请参阅此以获得更多见解。https://www.nltk.org/data.html

这是对我来说刚刚起作用的：

# 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))

words_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', '.']]

这些句子摘自与《采矿的社会网络，第二版》一书一起附带的示例ipython笔记本。

从bash命令行运行：

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

这对我有用：

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

在Windows中，您还将获得nltk下载器

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，然后将您的punkt文件tokenizers夹复制到该文件夹中。

这将起作用。文件夹结构必须如图所示！1个

nltk具有其预训练的令牌生成器模型。模型是从内部预定义的Web资源下载的，并在执行以下可能的函数调用时存储在已安装的nltk软件包的路径中。

例如1个tokenizer = 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句子，请确保您具有Internet连接且没有任何防火墙保护。

我想分享一些更好的替代网络方法，以更深刻的理解来解决上述问题。

请按照以下步骤操作，并使用nltk享受英语单词标记化。

步骤1：首先按照网络路径下载“ english.pickle”模型。

转到链接“ http://www.nltk.org/nltk_data/ ”，然后在选项“ 107. Punkt Tokenizer Models”上单击“下载”。

步骤2：解压缩下载的“ punkt.zip”文件，并从中找到“ english.pickle”文件，并将其放置在C驱动器中。

步骤3：复制并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

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

当我尝试在nltk中进行pos标记时遇到了这个问题。我得到它的正确方法是通过创建一个新目录以及名为“ taggers”的语料库目录，然后在目录标记器中复制max_pos_tagger。
希望它也对您有用。祝你好运！！！

在Spyder中，转到您的活动外壳并使用以下2个命令下载nltk。import nltk nltk.download（）然后，您应该看到NLTK下载器窗口打开，如下所示，转到此窗口中的“模型”选项卡，然后单击“ punkt”并下载“ punkt”

检查是否具有所有NLTK库。

punkt令牌生成器数据非常大，超过35 MB，如果像我一样，您在lambda这样的资源有限的环境中运行nltk，这可能是一件大事。

如果只需要一种或几种语言标记器，则可以通过仅包含那些语言.pickle文件来大大减少数据的大小。

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

1. 下载nltk punkt数据：https ://raw.githubusercontent.com/nltk/nltk_data/gh-pages/packages/tokenizers/punkt.zip
2. 在您的环境中的某个位置创建文件夹：nltk_data/tokenizers/punkt如果使用python 3，请添加另一个文件夹，PY3以便新目录结构如下所示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。
3. 解压缩该zip .pickle文件，然后将要支持的语言的文件移动到punkt刚创建的文件夹中。注意：Python 3用户应使用PY3文件夹中的泡菜。加载语言文件后，其外观应类似于：example-folder-stucture
4. 现在nltk_data，假设您的数据不在预定义的搜索路径之一中，只需要将文件夹添加到搜索路径。您可以使用任一环境变量添加数据NLTK_DATA='path/to/your/nltk_data'。您还可以在运行时在python中添加自定义路径，方法是：

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，则最好在nltk查找nltk_data的内置位置创建文件夹。

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punkt.zip文件夹解压缩到同一位置。

在Python-3.6我可以看到在回溯的建议。那很有帮助。因此，我要说的是你们要注意您所得到的错误，大多数时候答案都在该问题之内;）。

然后像其他人所建议的那样，使用python终端或使用类似python -c "import nltk; nltk.download('wordnet')"我们可以即时安装的命令。您只需要运行一次该命令，然后它将数据本地保存在您的主目录中。

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

一次下载，可以按以下步骤完成（工作）

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')

该代码有效，这意味着nltk会记住在下载功能中传递的下载路径。另一方面，如果我下载后续软件包，则会得到与用户所描述的类似的错误：

多次下载会引发错误：

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：

找不到资源点。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，则它可以正常工作：

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."))

这行得通...不知道为什么在一种情况下行不通，但在另一种情况下行不通，但是错误消息似乎暗示它第二次不签入下载文件夹。注意：使用Windows8.1 / python3.7 / nltk3.5