在 Heroku 上找不到资源“语料库/wordnet”答案

【问题标题】：Resource 'corpora/wordnet' not found on Heroku在 Heroku 上找不到资源“语料库/wordnet”
【发布时间】：2012-12-07 14:21:45
【问题描述】：

我正在尝试让 NLTK 和 wordnet 在 Heroku 上运行。我已经完成了

heroku run python
nltk.download()
  wordnet
pip install -r requirements.txt

但我收到此错误：

Resource 'corpora/wordnet' not found.  Please use the NLTK
  Downloader to obtain the resource:  >>> nltk.download()
  Searched in:
    - '/app/nltk_data'
    - '/usr/share/nltk_data'
    - '/usr/local/share/nltk_data'
    - '/usr/lib/nltk_data'
    - '/usr/local/lib/nltk_data'

然而，我在 /app/nltk_data 中查看过，它就在那里，所以我不确定发生了什么。

【问题讨论】：

devcenter.heroku.com/articles/python-nltk

标签： python django heroku nltk wordnet

【解决方案1】：

我遇到了同样的问题，我尝试了这个解决方案，它是有效的。我刚刚放了这些：

import nltk
nltk.download('wordnet')

在上面的代码中，它运行没有问题。所以试试吧，也许对你有帮助。

【讨论】：

【解决方案2】：

我遇到了同样的错误。 Fred Foo 的这个解决方法帮助我解决了这个问题以下对我有用：

# 1) execute the below written code 
# 2) a NLTK Download window will open
# 3) select "Corpora" tab and scroll down until "wordnet"
# 4) doubleclick to install

nltk.download()
from nltk.corpus import wordnet

Import WordNet In NLTK

【讨论】：

【解决方案3】：

我知道这是一个老问题，但由于 Heroku 为nltk 提供支持，“正确”答案已经改变，我认为可能值得回答。

Heroku 现在支持nltk。如果您需要下载 nltk 的内容（本例中为 wordnet，或者可能是停用词或语料库），您只需在您拥有 Procfile 和 @ 的同一根目录中包含一个 nltk.txt 文件即可。 987654327@。在您的nltk.txt 文件中列出您要下载的每个项目。对于我刚刚部署的项目，我需要停用词和 wordnet，所以我的 nltk.txt 看起来像这样：

stopwords

wordnet

非常简单。当然，请确保您在Pipfile 或requirements.txt 中指定了适当版本的nltk。有关基本事实，请访问https://devcenter.heroku.com/articles/python-nltk。

【讨论】：

【解决方案4】：

我只能用这个解决方案解决我的问题：

https://github.com/gunthercox/ChatterBot/issues/930#issuecomment-322111087

这是与 SSL 相关的解决方法。

【讨论】：

【解决方案5】：

我在 Heroku 平台上部署聊天机器人时遇到了完全相同的问题。尽管来自 follyroof 的答案是一个万无一失的解决方案，但在许多情况下，存储库的大小会急剧增加。

所以，我在 app.py 文件中使用了 nltk.download('PACKAGE')。这样每当 app.py 运行时，依赖项就会自动下载。

【讨论】：

【解决方案6】：

这个有效：

对于 Mac OS 用户。

python -m nltk.downloader -d /usr/local/share/nltk_data wordnet

【讨论】：

【解决方案7】：

更新

As Kenneth Reitz pointed out，在 heroku-python-buildpack 中添加了一个更简单的解决方案。将nltk.txt 文件添加到您的根目录并在其中列出您的语料库。详情请见https://devcenter.heroku.com/articles/python-nltk。

原答案

这是一个更简洁的解决方案，允许您直接在 Heroku 上安装 NLTK 数据，而无需将其添加到您的 git 存储库中。

我使用类似的步骤在 Heroku 上安装 Textblob，它使用 NLTK 作为依赖项。我在第 3 步和第 4 步中对我的原始代码进行了一些小调整，这些调整应该适用于仅 NLTK 的安装。

默认的 heroku buildpack 包含一个 post_compile step，它在所有默认构建步骤完成后运行：

# post_compile
#!/usr/bin/env bash

if [ -f bin/post_compile ]; then
    echo "-----> Running post-compile hook"
    chmod +x bin/post_compile
    sub-env bin/post_compile
fi

如您所见，它会在您的项目目录中查找您自己的post_compile 文件，该文件位于bin 目录中，如果存在则运行它。你可以使用这个钩子来安装 nltk 数据。

在本地项目的根目录中创建bin 目录。

将您自己的post_compile 文件添加到bin 目录。

# bin/post_compile
#!/usr/bin/env bash

if [ -f bin/install_nltk_data ]; then
    echo "-----> Running install_nltk_data"
    chmod +x bin/install_nltk_data
    bin/install_nltk_data
fi

echo "-----> Post-compile done"

将您自己的install_nltk_data 文件添加到bin 目录。

# bin/install_nltk_data
#!/usr/bin/env bash

source $BIN_DIR/utils

echo "-----> Starting nltk data installation"

# Assumes NLTK_DATA environment variable is already set
# $ heroku config:set NLTK_DATA='/app/nltk_data'

# Install the nltk data
# NOTE: The following command installs the wordnet corpora, 
# so you may want to change for your specific needs.  
# See http://www.nltk.org/data.html
python -m nltk.downloader wordnet

# If using Textblob, use this instead:
# python -m textblob.download_corpora lite

# Open the NLTK_DATA directory
cd ${NLTK_DATA}

# Delete all of the zip files
find . -name "*.zip" -type f -delete

echo "-----> Finished nltk data installation"

将nltk 添加到您的requirements.txt 文件（如果您使用的是Textblob，则添加textblob）。
将所有这些更改提交到您的存储库。
在您的 heroku 应用上设置 NLTK_DATA 环境变量。
```
$ heroku config:set NLTK_DATA='/app/nltk_data'
```
部署到 Heroku。您将在部署结束时看到post_compile 步骤触发器，然后是 nltk 下载。

希望对您有所帮助！享受吧！

【讨论】：

按原样，每次部署应用程序时，解决方案都会加载 nltk_data，这可能会很长。有必要吗？
根据我的经验，如果只安装所需的 nltk 数据，额外的部署时间可以忽略不计。对于这个特定的问题，每次部署都安装 wordnet 会非常快。即使您需要少量数据包，它仍然很有效。只是不要尝试安装所有的 nltk 数据，你应该适合大多数用例。
太棒了 .. 加 1 用于建议 buildpacks :) 我真的很想知道为什么这还没有好票！！
@Jean-ClaudeMoissinac 您可以轻松地保持检查 nltk 是否已安装的条件。并且只有在没有安装时才安装。
很好的答案！我一直在寻找解决方案，这是迄今为止最好的解决方案。

【解决方案8】：

Heroku 现在正式支持内置的 NLTK 数据！

https://devcenter.heroku.com/articles/python-nltk

【讨论】：

【解决方案9】：

我也遇到了同样的问题。最终为我工作的是在应用程序的文件夹本身中创建一个“nltk_data”目录，将语料库下载到该目录并在我的代码中添加一行，让 nltk 知道在该目录中查找。您可以在本地完成所有这些操作，然后将更改推送到 Heroku。

所以，假设我的 python 应用程序位于一个名为“myapp/”的目录中

第 1 步：创建目录

cd myapp/
mkdir nltk_data

第 2 步：将语料库下载到新目录

python -m nltk.downloader

这将弹出nltk 下载器。将您的下载目录设置为whatever_the_absolute_path_to_myapp_is/nltk_data/。如果您使用的是 GUI 下载器，下载目录是通过 UI 底部的文本字段设置的。如果您使用的是命令行一，则在配置菜单中进行设置。

一旦下载器知道指向您新创建的nltk_data 目录，下载您的语料库。

或从 Python 代码一步完成：

nltk.download("wordnet", "whatever_the_absolute_path_to_myapp_is/nltk_data/")

第 3 步：让 nltk 知道去哪里寻找

ntlk 查找数据、资源等。在nltk.data.path 变量中指定的位置。您需要做的就是将nltk.data.path.append('./nltk_data/') 添加到实际使用nltk 的python 文件中，它会在其中查找语料库、标记器等，以及默认路径。

第 4 步：将其发送到 Heroku

git add nltk_data/
git commit -m 'super useful commit message'
git push heroku master

应该可以！无论如何，它对我有用。值得注意的一点是，从执行 nltk 内容的 python 文件到 nltk_data 目录的路径可能会有所不同，具体取决于您构建应用程序的方式，所以当您执行 nltk.data.path.append('path_to_nltk_data')

时只需考虑这一点

【讨论】：

如果您想在 Heroku 上安装 NLTK 数据而不将其添加到您的 git 存储库中，请参阅下面的解决方案：stackoverflow.com/a/37558445/387337
对我来说关键是添加 nltk.data.path.append('./nltk_data/')。谢谢！

【解决方案10】：

仅适用于 Mac OS 用户。

python -m nltk.downloader -d /usr/share/nltk_data wordnet

语料库数据不能直接下载到/usr/share/nltk_data 文件夹。报错“无权限”，两种解决方法：

增加Mac系统额外权限变更，详情参考Operation Not Permitted when on root El capitan (rootless disabled)。但是，我不想仅为这个语料库更改为 mac 默认设置。我选择第二种解决方案。
- 将语料库下载到您有权访问的任何目录。 `python -m nltk.downloader -d some_user_accessable_directory wordnet'。请注意，您只下载所需的语料库，例如 wordnet、reuters，而不是从 nltk 下载整个语料库。
- 将路径添加到 nltk 路径。在 py 文件中，添加以下行：
  
  import nltk nltk.data.path.append('nltk_data')

【讨论】：

【解决方案11】：

我遇到了这个问题。不在虚拟环境下工作的朋友，需要下载到ubuntu的以下目录：

/usr/share/nltk_data/corpora/wordnet

它可以是棕色的，而不是 wordnet。如果您想下载语料库，可以直接在终端中运行此命令。

$ sudo python -m nltk.downloader -d /usr/share/nltk_data wordnet

同样，它可能是棕色的，而不是 wordnet。

【讨论】：