如何获取GitHub正确文件路径解决Colab加载arff报FileNotFoundError问题

问题原因 #

你遇到的问题同时包含路径错误和代码用法错误两个问题：

• 代码层面：Python内置的open()函数仅支持读取本地文件系统中的文件，无法直接解析HTTP/HTTPS的网络链接，所以哪怕你输入的是有效文件直链，直接传给open()也会报错找不到文件。
• 路径层面：你从GitHub复制的permalink是文件的预览网页链接，不是ARFF文件本身的原始下载地址，返回的是HTML网页内容而非ARFF数据，就算用网络请求库读这个链接也拿不到有效数据。

解决方法 #

第一步：获取正确的原始文件路径 #

打开你复制permalink对应的GitHub页面，点击页面右上角的「Raw」按钮，跳转到新页面后复制地址栏的链接，该链接即为ARFF文件的原始直链，格式一般为https://raw.githubusercontent.com/用户名/仓库名/分支名/文件名.arff。

第二步：使用修正后的代码运行 #

这里提供两种常用的可直接在Colab运行的方案：

方案1：先下载文件到Colab本地再读取

!pip install arff
import arff
# 把后面的链接替换成你拿到的raw直链
!wget https://raw.githubusercontent.com/userName/repoName/combination_of_nums_and_letters/file_name.arff
# 读取本地下载好的文件
uploaded = arff.load(open('file_name.arff'))

方案2：直接通过请求库读取网络内容无需下载到本地

!pip install arff requests
import arff
import requests
from io import StringIO

# 替换为你的raw直链
raw_url = "https://raw.githubusercontent.com/userName/repoName/combination_of_nums_and_letters/file_name.arff"
response = requests.get(raw_url)
response.raise_for_status() # 校验请求是否成功
# 解析ARFF内容
uploaded = arff.load(StringIO(response.text))

内容的提问来源于stack exchange，提问作者Roz