我想使用word_tokenize, pos_tag, FreqDist。我不想默认下载所有nltk。我想使用nltk.download(info_or_id='')。我应该在info_or_id 中添加哪些选项来获取 POS 标记及其频率。 POS 标记 - Penn Treebank POS。
【问题讨论】：
如果您查看语料库http://www.nltk.org/nltk_data/，每个描述都包含其 id，例如棕色，wordnet，book_grammars。您选择哪个取决于您的应用程序。查找标记的语料库，例如布朗包括 POS，我猜你必须查看每一个才能看到。 Treebank 提到了 Penn Treebank (id treebank)，还有 Sinica Treebank (id sinica_treebank)。请参阅下面的标题 Parsed Corpora http://www.nltk.org/howto/corpus.html
【讨论】：
您的问题将nltk 本身与nltk_data 混淆了。您不能真正只下载 nltk 的一部分（尽管如果需要节省空间，您可以小心地手动修剪它）。但我认为你试图避免下载所有的 nltk 数据。正如@barny 所写，当您打开交互式nltk.download() 窗口时，您可以看到不同资源的ID。
要使用 treebank pos 标注器，您需要它的腌制训练表（不是 treebank 语料库）；您可以在 ID maxent_treebank_pos_tagger 下的“模型”选项卡中找到它们。 （因此：nltk.download("maxent_treebank_pos_tagger")。
FreqDist 类没有或不需要任何经过训练的模型。
word_tokenize 也没有，它将一个句子作为单个字符串并将其分解为单词。但是，您可能需要sent_tokenize 的模型，它将较长的文本分解为句子。这由“Punkt”句子标记器处理，您可以使用nltk.download("punkt") 下载其模型。
PS。对于一般用途，我建议下载“书”集合中的所有内容，即nltk.download("book")。它只是总数的一小部分，它可以让您完成大多数事情，而不会时常争先恐后地找出缺少的东西。
【讨论】：