NLTK - comment savoir ce corpus sont installés à partir de python?

Question

Je suis en train de charger des corpora j'ai installé avec le programme d'installation NLTK mais je suis arrivé un:

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

Mais dans le gestionnaire de téléchargement (de nltk.download()) le paquet est machado marqué comme installé et j'ai un dossier nltk_data/corpus/machado.

Comment puis-je voir à l'intérieur du intepreter python ce sont les corpora installés?

En outre, quel paquet dois-je installer pour travailler avec ce how-to? http://nltk.googlecode.com/svn/trunk/doc/howto /portuguese_en.html

Je ne peux pas trouver le module nltk.examples refered dans la façon à.

Answer 1

essayer

import nltk.corpus
dir(nltk.corpus)

à quel point, il vous a probablement dit quelque chose __LazyModule__... donc faire dir(nltk.corpus) à nouveau.

Si cela ne fonctionne pas, essayez l'onglet d'achèvement dans ipython.

Answer 2

Le NLTK comprend un paquet, nltk.corpus, qui contient des définitions de lecteurs corpus (comme PlainTextCorpusReader). Ce forfait comprend également une grande liste de points d'accès prédéfinis pour les corpus qui peuvent être téléchargés avec nltk.downloader(). Ces points d'accès (par exemple, nltk.corpus.brown) sont définis ou non le corpus correspondant a été téléchargé.

1. Pour voir quels points d'accès sont définis dans le NLTK, l'utilisation dir(nltk.corpus) (après import nltk).

2. Pour voir que vous avez corpora dans votre zone nltk_data, essayez ceci:

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

   Cette juste dumps une liste avec le contenu du dossier nltk_data/corpora. Vous pouvez le prendre à partir de là.

3. Si vous avez installé votre propre corpus dans la zone nltk_data/corpora et le NLTK ne connaît pas, vous devez lancer le lecteur approprié vous. Par exemple, si elle est un corpus clair dans corpora/mycorpus et tous les fichiers se terminent par .txt, vous feriez comme ceci:

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

   Mais dans ce cas, vous pouvez mettre votre propre corps partout, et le point mypath à directement au lieu de demander au NLTK de le trouver.