如何解决NLTK中punkt分词器下载失败（WinError 10060）问题？

问题原因 #

• 调用sent_tokenize时出现LookupError，是因为缺少NLTK的punkt分词模型
• 执行nltk.download('punkt')出现WinError 10060，是因为官方数据源连接不稳定

解决方法 #

方法1：手动下载部署punkt资源 #

• 先运行以下代码查看本地NLTK数据目录路径：

  import nltk
  print(nltk.data.path)
  

• 选择一个有读写权限的路径（比如C:\Users\你的用户名\AppData\Roaming\nltk_data），在该路径下创建tokenizers文件夹
• 获取包含english.pickle等文件的punkt压缩包，解压到tokenizers文件夹内，最终形成nltk_data\tokenizers\punkt目录
• 重启Python环境后重新调用sent_tokenize即可

方法2：通过代理或国内镜像下载 #

• 如果有可用代理，先设置代理再执行下载：

  import nltk
  # 替换为你的代理地址和端口
  nltk.set_proxy('http://代理地址:端口')
  nltk.download('punkt')
  

• 或直接使用国内NLTK数据镜像源下载（替换为国内镜像地址）：

  import nltk
  nltk.download('punkt', url='国内NLTK数据镜像地址')
  

方法3：调整网络环境 #

• 临时关闭防火墙、杀毒软件的网络拦截功能，避免其阻止NLTK的下载请求
• 切换到更稳定的网络环境（如手机热点）后再次尝试下载

内容的提问来源于stack exchange，提问作者Adarsh Agarwal