Gensim كورپۇسىنى پروكسىي ۋە تاللانغان كەش مۇندەرىجىسى بىلەن چۈشۈرۈش

چۈشۈرگۈچ باشلىنىشتىن بۇرۇن urllib نىڭ پروكسىي مۇھىتى ۋە GENSIM_DATA_DIR نى تەڭشەڭ؛ CLI ئىشلىتىش ئۇنىڭ HTTP backend نى ئۆزگەرتمەيدۇ.

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

بۇ POSIX قوزغىتىش Gensim نىڭ چۈشۈرگۈچىنى ئىمپورت قىلىشتىن بۇرۇن HTTPS پروكسىي ۋە سانلىق مەلۇمات مۇندەرىجىسىنى تەمىنلەيدۇ، ئاندىن text8 نى چۈشۈرۈپ ئۇنىڭ يەرلىك يولىنى قايتۇرىدۇ. ئاممىۋى چۈشۈرۈش يولى ئۈچۈن HTTP پروكسىي تىزىملىكىدىن HTTP ئاخىرلاشقان نۇقتا تاللاڭ ۋە مۇندەرىجىنى كۆزلىگەن يول بىلەن ئالماشتۇرۇڭ.

GENSIM_DATA_DIR ئىمپورت قىلغاندا مودۇلنىڭ ئاساسىي مۇندەرىجىسىگە ئوقۇلىدۇ. سۈكۈتتىكى قىممىتى ~/gensim-data، شۇڭا gensim.downloader نى ئىمپورت قىلغاندىن كېيىن تەڭشەش بۇ قوزغىتىش ئۈچۈن بەك كېچىككەن.

CLI Python كودى ئىشلىتىدىغان ئوخشاش load فۇنكسىيەسىنى چاقىرىدۇ ۋە urllib نى ئىشلىتىدۇ. پروگراممىدا api.load(name, return_path=True) سانلىق مەلۇمات توپلىمىنى ئەسلىگە يۈكلىمەي پەقەت چۈشۈرۈش ھەرىكىتىنى تاللايدۇ.

قالغان خاتالىق ئۈچۈن ئىندېكس تەلەپ بىلەن ھۆججەت تەلىپىنى ئايرىڭ. ئىندېكس GitHub نىڭ خام مەزمۇن ساھىبىدىن كېلىدۇ؛ ھۆججەتلەر نەشرلەردىن كېلىدۇ ۋە باشقا ئادرېسلارغا يۆلەنگەن بولۇشى مۇمكىن. يەرلىك ئۇچۇر كەشى تور خاتالىقىدىن كېيىن ئىندېكس ئىزدەشنى داۋاملاشتۇرالايدۇ. مەۋجۇت سانلىق مەلۇمات يەنە بىر ھۆججەت چۈشۈرۈشتىن ساقلىيالايدۇ. شۇڭا ئىللىق يۈكلەش تورنىڭ ئىككى يولىنىڭ ھەممىسى ئىشلىگەنلىكىنى ئىسپاتلىمايدۇ.

مۇناسىۋەتلىك ماقالىلەر