如何从本地磁盘加载nltk停用词或words语料资源

• 需求：在Jupyter Notebook中直接通过代码指定路径，加载本地磁盘存储的nltk words语料，不配置NLTK_DATA环境变量
• 初始测试代码：

import nltk
nltk.data.path.append("/data") # 自定义资源路径
nltk.corpus.words.words()

• 运行触发LookupError，报错核心信息：

Resource words not found.
尝试加载路径：corpora/words.zip/words/
已扫描的路径列表包含自定义添加的/data，仍未定位到资源

• 前置说明：已完成语料的手动部署，不希望通过nltk.download()方式拉取资源。

nltk的资源加载逻辑对目录结构有固定规则：所有添加到nltk.data.path的自定义路径，都会被当作资源根目录，加载语料时会自动在根目录下拼接corpora/[语料名]的固定子路径查找资源。
你当前的部署没有匹配这个目录结构，大概率是把words语料文件直接放在了/data根目录下，所以哪怕路径已经加入扫描列表，也无法被识别。

方案1：匹配nltk默认目录结构（代码改动最小，推荐） #

调整本地语料的存放路径，在/data下新建corpora子目录，把words语料（解压后的文件夹或者官方下载的原zip包都可以）放到/data/corpora/下，最终目录结构如下：

/data/
└── corpora/
    └── words/  # 或者直接放words.zip压缩包，nltk支持直接读取zip内资源
        ├── en
        ├── en-basic
        └── 语料自带的其他文件

目录调整完成后，直接运行原有代码即可正常加载：

import nltk
nltk.data.path.append("/data")
# 测试加载，输出前10个单词验证
print(nltk.corpus.words.words()[:10])

方案2：手动指定语料读取路径（无需调整现有文件位置） #

如果不想移动现有语料的存储位置，可以跳过nltk的默认路径扫描逻辑，手动初始化语料读取器：

import nltk
from nltk.corpus import words
from nltk.corpus.reader import WordListCorpusReader

# 替换为你实际存放words语料文件的目录绝对路径
corpus_store_path = "/data/your_words_dir"
# 覆盖语料加载配置
words._root = nltk.data.Path(corpus_store_path)
words._fileids = ["en", "en-basic"] # 匹配目录下的词表文件名，按实际情况修改

# 测试加载
print(words.words()[:10])

• 确保notebook运行的系统账号对语料存放目录、文件有可读权限
• 不要把语料的深层路径（比如/data/corpora/words）直接加到nltk.data.path，会导致nltk路径拼接重复，反而找不到资源
• 用zip包部署时不要修改原压缩包的内部目录结构，直接把官方下载的原包放到对应目录即可

内容的提问来源于stack exchange，提问作者Droid-Bird