Docker构建容器运行NLTK时提示Resource wordnet not found问题求助

该错误是容器内NLTK组件缺少wordnet语料库导致，你当前的Dockerfile仅复制了tokenize相关的NLTK数据，未包含运行所需的corpora/wordnet资源。

方案1：Docker构建阶段自动下载（推荐，适合有公网构建环境的场景） #

在你的Dockerfile中安装完依赖的步骤后，添加NLTK资源下载指令即可，修改后的完整Dockerfile参考如下：

FROM ubuntu:20.04

WORKDIR /app

COPY . /app

# Keeps Python from generating .pyc files in the container
ENV PYTHONDONTWRITEBYTECODE=1

# Turns off buffering for easier container logging
ENV PYTHONUNBUFFERED=1

RUN apt update -y
RUN apt install python3 python3-pip -y

# Install pip requirements
COPY ./tokenize /root/nltk_data/tokenize
RUN pip3 install -r requirements.txt
RUN pip3 install gunicorn
RUN pip3 install pip tensorflow==2.3.0

# 新增：下载wordnet语料库
RUN python3 -c "import nltk; nltk.download('wordnet')"

EXPOSE 5000
CMD ["gunicorn", "--bind", "0.0.0.0:5000", "run:app"]

方案2：本地预下载后拷贝进镜像（适合无公网的离线构建场景） #

1. 先在本地开发环境执行以下代码下载wordnet资源：

import nltk
nltk.download('wordnet')

2. 找到本地下载的wordnet目录，默认存放在本地nltk_data/corpora/wordnet路径下
3. 在Dockerfile中添加拷贝指令，和你之前拷贝tokenize的逻辑保持一致：

COPY ./corpora/wordnet /root/nltk_data/corpora/wordnet

镜像构建完成后可执行以下命令进入容器，确认资源存在：

docker run --rm <你的镜像名> ls /root/nltk_data/corpora/wordnet

能正常列出目录文件即为配置成功。

内容的提问来源于stack exchange，提问作者Adam Mejdi