python - NLTK - 在没有 Downloader UI 的情况下从命令行下载除 corpara 之外的所有 nltk 数据

Question

我们可以使用以下方式下载所有 nltk 数据:

> import nltk
> nltk.download('all')

或特定数据使用:

> nltk.download('punkt')
> nltk.download('maxent_treebank_pos_tagger')

但我想下载除“corpara”文件之外的所有数据， 例如 - 所有词 block 分析器、语法分析器、模型、词干分析器、标记器、分词器等

没有下载器 UI 有什么方法可以做到这一点吗？类似的东西，

> nltk.download('all-taggers')

Answer 1

列出所有语料库 ID 并设置 _status_cache[pkg.id] = 'installed'。

它会将所有语料库的状态值设置为“已安装”，并且当我们使用nltk.download() 时将跳过语料库包。

如果您不确定需要哪个语料库/包，请使用 nltk.download('popular')，而不是下载所有语料库和模型。

import nltk

dwlr = nltk.downloader.Downloader()

for pkg in dwlr.corpora():
    dwlr._status_cache[pkg.id] = 'installed'

dwlr.download('popular')

下载特定文件夹的所有包。

import nltk

dwlr = nltk.downloader.Downloader()

# chunkers, corpora, grammars, help, misc, 
# models, sentiment, stemmers, taggers, tokenizers
for pkg in dwlr.packages():
    if pkg.subdir== 'taggers':
        dwlr.download(pkg.id)