nltk在python中的安装,以及nltk的data库

最近开始学习Python+NLTK自然语言处理，在此分享自己的学习经验，因为是初学，肯定有很多很多不懂的地方，发布此文章绝非为了显示自己的水平，而是因为网络上对NLTK的资料实在太少了，我就想分享一下自己的心得，也希望能够得到更多高手的指点，希望高手们发现不对的地方耐心指点，切勿针锋相对，这样会打击小弟的学习动力的，呵呵～

好了，开始吧。

一、到NLTK的官网下载Python2.66（虽然Python已经到3.0了，但是2.x的比较稳定，兼容2.x的软件也比较多一些）、PyYAML和NLTK。

下载地址：http://www.nltk.org/download

二、讲这些都安装好，然后运行Python的IDE环境：

三、敲入下面的代码，进入NLTK数据源下载界面：

import nltknltk.download()

选择all，设置好下载路径（Download Directory），然后点击Download，系统就开始下载NLTK的数据包了，下载的时间比较漫长，大家要耐心等待。如果有个别数据包无法下载，你可以切换到All Packages标签页，双击指定的包来进行下载：

如果都不行的话，你还可以直接到 http://nltk.googlecode.com/svn/trunk/nltk_data/index.xml 去下载数据包，只要将数据包复制到你的Download Directory目录下即可。

四、安装NLTK

form nltk.book import  *

键入以上代码可以得到图中的显示，就说明NLTK数据包都安装好了～

五、实践。使用NLTK进行字符串查询

text1.concordance('monstrous')

说明：

text1为NLTK数据包中的一段数据源，是一大串字符串。（原文在数据包下载目录下的gutenberg.zip中的melville-moby_dick.txt）

text1.concordance('monstrous')这句话实现的是从这一大串字符串中找寻出包含monstrous这个单词的语句。

好了，这就是NLTK的一个简单的应用，自然语言的处理中查询是一个很重要的操作，希望大家能好好了解一下本篇文章，还是那句话，我也是初学，肯定有说得不好的地方，希望大家多多指点，但千万不要恶语相对，谢谢。如果喜欢本文，请在后面留个言哈～

作者：黄聪
出处：http://www.cnblogs.com/huangcong/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。

回家前，把python自然语言处理的nltk_data打包到360云盘，然后共享给朋友们，省的大家像我一样浪费时间。
一次性下载解压后即可使用。官方的nltk.download()老是下载失败。无数遍了。浪费了我很多很多时间。

打包下载（推荐）：
http://yunpan.cn/cgGUPFzF3spir （提取码：504e）

 

下载后放在python/nltk_data目录下即可.

 

记录下错误提示，以便于朋友们搜索找到。
当时遇到的错误是：
nltk.download()
could not find maxent_treebank_pos_tagger / english .XXX
searched index:
C:\\Python27\\nltk_data\
C:\\nltk_data
D:\\nltk_data
E:\\nltk_data

然后我通过，nltk.download()下载，一直出现错误，只好到
官方下载http://nltk.org/nltk_data/
另外，也可以到nltk.code.google.com 下载，

但是又遇到了下载后，直接放在nltk_data目录，却发现还是不行，程序找不到数据集。
因此我就用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。
用tree命令的到其目录结构如下：
文件夹 PATH 列表
卷序列号为 00000200 B2F8:ED9D

├─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

 

 

作者： fandyst 
出处： http://www.cnblogs.com/todototry/ 
关注语言： python、javascript(node.js)、objective-C、java、R、C++ 
兴趣点： 互联网、大数据技术、大数据IO瓶颈、col-oriented DB、Key-Value DB、数据挖掘、模式识别、deep learning、开发与成本管理 
产品： 猪哥网，猪场管理软件，畜牧行业 
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。