python自然语言处理01--搭建环境

入门学习使用的是《python自然语言处理》，书中是用python2.4或者2.5，但是因为安装Anaconda2总是失败，于是换成了Anaconda3。Anaconda是一款很好用的python开发集成环境。
首先安装nltk，Anaconda已经默认下载了，所以只需要打开Anaconda prompt，输入命令行

conda install nltk

然后按照提示选择y，等待数分钟，如果没有错误的话，就安装完成了。
接下来打开ipython进行测试，输入

In [1]: import nltkIn [2]: nltk.download()

如果出现下面这个图，说明已经安装成功了

接下来修改安装路径(Download Directory),默认是安装在C盘的，我换成了Anaconda所在的路径Anaconda/nltk_data。
点击book标记所在行，一键安装《python自然语言处理》所需要的数据，下载过程会比较慢，而且有些会显示out of date(在Corpora中查看),但是下载中途一定不要去点击任何文件试图逐个下载，会导致卡机。
下载的过程中你会发现自己太天真了，毕竟是国外的网，下的不仅慢还容易出问题。我上传了百度云链接：http://pan.baidu.com/s/1pKWv5MV 密码：655i(2016年年底的包，已经足够使用了)，使用方法：IE浏览器打开后，右击选择迅雷下载全部链接，可以批量下载，速度很快，有2.5G，其中2.1G是panlex_lite.zip。
我们先把除了panlex_lite.zip的文件夹解压缩到nltk_data文件夹下，然后按照以下目录安排好

├─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

然后就可以边做书中的实验，边等待panlex_lite.zip下载好后放入相应目录。

测试:

In [1]: from nltk.book import **** Introductory Examples for the NLTK Book ***Loading text1, ..., text9 and sent1, ..., sent9Type the name of the text or sentence to view it.Type: 'texts()' or 'sents()' to list the materials.text1: Moby Dick by Herman Melville 1851text2: Sense and Sensibility by Jane Austen 1811text3: The Book of Genesistext4: Inaugural Address Corpustext5: Chat Corpustext6: Monty Python and the Holy Grailtext7: Wall Street Journaltext8: Personals Corpustext9: The Man Who Was Thursday by G . K . Chesterton 1908

有需要的同学可以更改jupyter默认打开的目录，修改方式参照https://www.zhihu.com/question/31600197