python-nltk en Ubuntu 12.04 LTS: nltk.download ('marrón') produce el error HTML 401

9

He instalado python-nltk en Ubuntu Server 12.04 usando apt-get.

Pero cuando intento descargar un corpus, aparece el siguiente error:

$ 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

¿Me falta alguna configuración o paquete adicional?

jk - Restablecer a Monica
fuente
Puedes intentar instalar desde la fuente wget https://github.com/nltk/nltk/archive/develop.zip; unzip develop.zip; cd nltk-develop; python setup.py install. Pero se ha planteado un problema en github.com/nltk/nltk/issues/747
alvas
Esto sigue siendo un problema con Ubuntu 13.04
Tickon
Revisando esta pregunta después de mucho tiempo y algunas actualizaciones del sistema: el problema ya no está ahí con ubuntu 18.04 LTS
jk - Reinstalar Monica

Respuestas:

12

El DEFAULT_URLutilizado en downloader.pyla versión empaquetada de Ubuntu todavía usa:

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

Pero el servidor de datos actual es:

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

Por supuesto, puede instalar desde la fuente o ... modificar su versión ya instalada para que apunte al nuevo servidor de esta manera:

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

Luego puede instalar el corpus "marrón":

$ 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', ...]
>>> 
Sylvain Pineau
fuente
12

Es posible arreglar esto sin cambiar el código fuente. Cree un descargador personalizado en python:

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

luego abres un cuadro de diálogo GUI:

>>> dl.download()

Compruebe que tiene acceso de escritura al directorio de descarga y descargue lo que necesita.

Caballero Lógico
fuente
0
pip install nltk --upgrade

Éste actualiza el nltk y luego nltk.download()funciona nuevamente.

machineo
fuente