从默认 ~/ntlk_data 更改 nltk.download() 路径目录

Question

我试图在计算服务器上下载/更新 python nltk 包，它返回了这个 [Errno 122] Disk quota exceeded: 错误。

具体来说：

 [nltk_data] Downloading package stop words to /home/sh2264/nltk_data...
[nltk_data] Error downloading u'stopwords' from
[nltk_data] <https://raw.githubusercontent.com/nltk/nltk_data/gh-
[nltk_data] pages/packages/corpora/stopwords.zip>: [Errno 122]
[nltk_data] Disk quota exceeded:
[nltk_data] u'/home/sh2264/nltk_data/corpora/stopwords.zip
False

我如何更改 nltk 包的整个路径，以及我应该进行哪些其他更改以确保无错误地加载 nltk ？

原文由 shenglih 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这可以通过命令行（ nltk.download(..., download_dir=) 或通过 GUI 配置。奇怪的是 nltk 似乎完全忽略了它自己的环境变量 NLTK_DATA 并将其下载目录默认为一组标准的五个路径，不管 NLTK_DATA 是否被定义以及它指向哪里，也不管 nltk 的五个默认目录是否存在于机器或架构上（！）。其中一些记录在 安装 NLTK 数据 中，尽管它不完整并且有点掩埋；转载如下，格式更清晰：

命令行安装

下载器将搜索现有的 nltk_data 目录来安装 NLTK 数据。如果不存在，它将尝试在中央位置（使用管理员帐户时）或用户文件空间中的其他位置创建一个。如有必要，从管理员帐户或使用 sudo 运行下载命令。推荐的系统位置是：

• C:\nltk_data （视窗）；
• /usr/local/share/nltk_data （Mac）和
• /usr/share/nltk_data （Unix）。

您可以使用 -d 标志指定不同的位置（但如果您这样做，请务必相应地设置 NLTK_DATA 环境变量）。

• 运行命令 python -m nltk.downloader all

• 为确保集中安装，运行命令： sudo python -m nltk.downloader -d /usr/local/share/nltk_data all

• 但实际上他们应该说： sudo python -m nltk.downloader -d $NLTK_DATA all

现在 关于 NLTK_DATA 应该使用什么推荐路径，nltk 并没有真正给出任何正确的指导，但它应该是一个通用的独立路径，不在任何安装树下（所以不在 <python-install-directory>/lib/site-packages 下）或任何用户目录。因此， /usr/local/share ， /opt/share 或类似的。在 MacOS 10.7+ 上， /usr 以及 /usr/local/ 这些天默认隐藏，所以 /opt/share 可能是更好的选择。或者做 chflags nohidden /usr/local/share 。

原文由 smci 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

根据 文档：

默认情况下，包安装在系统范围的目录中（如果 Python 有足够的权限写入它）；或者在当前用户的主目录中。但是，如果需要，可以使用 download_dir 参数指定不同的安装目标。

要指定下载目录，请使用例如：

 nltk.download('treebank', download_dir='/mnt/data/treebank')

原文由 Ortomala Lokni 发布，翻译遵循 CC BY-SA 3.0 许可协议