技術標籤：Python爬蟲

NLTK安裝過程中遇到的坑

1. 無法下載

   按照網上的教程輸入如下程式碼會報錯 “Connection refused”

   import nltk
   nltk.download()
   

   

   解決辦法：手動下載資料檔案，連結：https://github.com/nltk/nltk_data/tree/gh-pages（2021-1-5下載的大概620M左右）。下載之後解壓，將packages資料夾更名為“nltk_data”後放入上圖Download Directory路徑。

   然後執行程式碼：

   import nltk
   from nltk.book import *
   

   如果輸出下面的提示資訊，則代表安裝成功

   *** Introductory Examples for the NLTK Book ***
   Loading text1, …, text9 and sent1, …, sent9
   Type the name of the text or sentence to view it.
   Type: ‘texts()’ or ‘sents()’ to list the materials.
   text1: Moby Dick by Herman Melville 1851
   text2: Sense and Sensibility by Jane Austen 1811
   text3: The Book of Genesis
   

   text4: Inaugural Address Corpus
   text5: Chat Corpus
   text6: Monty Python and the Holy Grail
   text7: Wall Street Journal
   text8: Personals Corpus
   text9: The Man Who Was Thursday by G . K . Chesterton 1908

2. 無法使用分詞

   我在使用word_tokenize進行分詞的時候還是會報錯，提示缺少“punkt”。解決辦法如下

   下載資料檔案，連結：https://raw.githubusercontent.com/nltk/nltk_data/gh-pages/packages/tokenizers/punkt.zip。然後將其解壓放入上面nltk_data 下的tokenizers中。即可正常使用分詞。