Télécharger un corpus Gensim avec un proxy et un répertoire de cache choisi

https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8

Ce lancement POSIX fournit le proxy HTTPS et le répertoire de données avant l'import du téléchargeur Gensim, puis télécharge text8 et renvoie son chemin local. Choisissez un point de terminaison HTTP dans la liste de proxys HTTP pour une route de téléchargement publique, et remplacez le répertoire par le chemin voulu.

GENSIM_DATA_DIR est lu dans le répertoire de base du module lors de l'import. Sa valeur par défaut est ~/gensim-data, donc le définir après avoir importé gensim.downloader arrive trop tard pour cette initialisation.

La CLI appelle la même fonction load que le code Python et utilise urllib. Dans une application, api.load(name, return_path=True) sélectionne un comportement de téléchargement seul au lieu de charger le jeu de données en mémoire.

En cas d'échec persistant, distinguez la requête d'index de la requête de fichier. L'index provient de l'hôte de contenu brut de GitHub ; les fichiers proviennent des releases et peuvent rediriger vers d'autres destinations. Le cache d'informations local peut permettre à la recherche d'index de continuer après une panne réseau. Des données existantes peuvent éviter un nouveau téléchargement de fichier. Un chargement à chaud ne prouve donc pas que les deux chemins réseau ont fonctionné.