NLTK - so finden Sie heraus, was Korpora sind installiert in python?

Question

Ich bin versucht zu laden einige Korpora ich installiert mit dem NLTK-installer, aber ich habe einen:

>>> from nltk.corpus import machado
      Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
      ImportError: cannot import name machado

Aber in den download-manager (nltk.download()) das Paket machado gekennzeichnet ist installiert und ich habe einen nltk_data/corpus/machado Ordner.

Wie kann ich sehen, aus dem inneren des python-intepreter was sind die installierten corpora?

Auch, welche Pakete sollte ich installieren für die Arbeit mit diesem how-to?http://nltk.googlecode.com/svn/trunk/doc/howto/portuguese_en.html

Ich kann nicht finden Modul nltk.examples verwiesen auf die in der how-to.

Answer 1

versuchen Sie es

import nltk.corpus
dir(nltk.corpus)

an welcher Stelle, ist es wahrscheinlich, sagte Sie etwas über __LazyModule__... so tun dir(nltk.corpus) wieder.

Wenn das nicht funktioniert, versuchen Sie Registerkarte-Abschluss in iPython.

Answer 2

Die NLTK umfasst ein Paket, nltk.corpus, die Definitionen von Corpus Leser (wie PlainTextCorpusReader) enthält. Dieses Paket enthält auch eine große Liste von vordefinierten Zugriffspunkten für Korpora, die mit nltk.downloader() heruntergeladen werden können. Diese Zugriffspunkte (zum Beispiel nltk.corpus.brown) definiert, ob der entsprechende Korpus heruntergeladen wurde.

1. Um zu sehen, , der Access Points definiert in der NLTK, Verwendung dir(nltk.corpus) (nach import nltk).

2. Um zu sehen, , welche Korpora Sie haben in Ihrem nltk_data Bereich, versuchen Sie dies:

   import os
   import nltk
   print( os.listdir( nltk.data.find("corpora") ) )
   

   Diese Dumps nur eine Liste mit dem Inhalt des Ordners nltk_data/corpora. Sie können es von dort.

3. Wenn Sie Ihre eigenen Korpus installiert haben in den nltk_data/corpora Bereich und der NLTK weiß nicht darüber nach, müssen Sie die entsprechenden Leser selbst feuern. Zum Beispiel, wenn es ein Klartext corpus in corpora/mycorpus ist und alle Dateien in .txt enden, würden Sie es tun, wie folgt:

   import nltk
   from nltk.corpus import PlaintextCorpusReader
   
   mypath = nltk.data.find("corpora/mycorpus")
   mycorpus = PlaintextCorpusReader(mypath, r".*\.txt$")
   

   Aber in diesem Fall, dass Sie Ihre eigenen Korpus überall setzen konnten, und Punkt mypath, um es direkt, anstatt die NLTK zu fragen, es zu finden.