Ներբեռնել Gensim կորպուսը փրոքսիի և ընտրված քեշի պանակի միջոցով
Նախքան ներբեռնիչի մեկնարկը սահմանեք urllib-ի փրոքսի միջավայրը և GENSIM_DATA_DIR-ը. CLI-ի օգտագործումը չի փոխում դրա HTTP backend-ը։
https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8Այս POSIX գործարկումը տրամադրում է HTTPS փրոքսին և տվյալների պանակը նախքան Gensim-ի ներբեռնիչի ներմուծումը, ապա ներբեռնում է text8-ը և վերադարձնում դրա տեղական ուղին։ Հանրային ներբեռնման ուղու համար ընտրեք HTTP վերջնակետ HTTP փրոքսիների ցանկից և փոխարինեք պանակը նպատակային ուղով։
Ներմուծման ընթացքում GENSIM_DATA_DIR-ը կարդացվում է մոդուլի բազային պանակում։ Լռելյայն արժեքը ~/gensim-data-ն է, ուստի gensim.downloader-ը ներմուծելուց հետո այն սահմանելը ուշ է այդ նախաձեռնարկման համար։
CLI-ն կանչում է նույն load ֆունկցիան, որն օգտագործում է Python կոդը, և օգտագործում է urllib։ Հավելվածում api.load(name, return_path=True)-ը ընտրում է միայն ներբեռնման վարքագիծ՝ տվյալների հավաքածուն հիշողության մեջ բեռնելու փոխարեն։
Մնացած խափանման դեպքում տարբերեք ինդեքսի հարցումը ֆայլի հարցումից։ Ինդեքսը գալիս է GitHub-ի հում բովանդակության հոստից, ֆայլերը՝ թողարկումներից և կարող են վերահղվել այլ նպատակակետեր։ Տեղական տեղեկատվության քեշը կարող է թույլ տալ ինդեքսի որոնումը շարունակել ցանցի խափանումից հետո։ Առկա տվյալները կարող են խուսափել ֆայլի ևս մեկ ներբեռնումից։ Ուստի տաք բեռնումը չի ապացուցում, որ ցանցի երկու ուղիներն էլ աշխատել են։