python在Ubuntu12.04LTS: nltk.download('brown')上导致HTML 401

Question

我已经使用apt在UbuntuServer12.04上安装了python。

但是，当我尝试下载一个语料库时，我会得到以下错误：

$ python
Python 2.7.3 (default, Feb 27 2014, 19:58:35)
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import nltk
>>> nltk.download('brown')
[nltk_data] Error loading brown: HTTP Error 401: Authorization
[nltk_data]     Required
False

我是不是漏掉了一些配置或附加的软件包？

Answer 1

Ubuntu打包版本的DEFAULT_URL在downloader.py中仍然使用：

DEFAULT_URL = 'http://nltk.googlecode.com/svn/trunk/nltk_data/index.xml'

但是，当前的数据服务器是：

DEFAULT_URL = "http://nltk.github.com/nltk_data/"

你当然可以从源头安装或者..。修改已经安装的版本，以指向新服务器，如下所示：

 sudo perl -pi -e 's#DEFAULT_URL = .*#DEFAULT_URL = "http://nltk.github.com/nltk_data/"#' /usr/lib/python2.7/dist-packages/nltk/downloader.py

然后，您可以安装“褐色”语料库：

$ python
Python 2.7.6 (default, Mar 22 2014, 22:59:56) 
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import nltk
>>> nltk.download('brown')
[nltk_data] Downloading package 'brown' to /home/sylvain/nltk_data...
[nltk_data]   Unzipping corpora/brown.zip.
True
>>> from nltk.corpus import brown
>>> brown.words()
['The', 'Fulton', 'County', 'Grand', 'Jury', 'said', ...]
>>> 

Answer 2

可以在不更改源代码的情况下修复此问题。在python中创建一个自定义的下载程序：

>>> dl = nltk.downloader.Downloader("http://nltk.github.com/nltk_data/")

然后打开GUI对话框：

>>> dl.download()

检查您对下载目录有写访问权，并下载所需的内容。

Answer 3

pip install nltk --upgrade

这个更新nltk，然后nltk.download()再次工作。