我对Python和一般的编码都很陌生,所以我似乎遇到了一个问题
我正在尝试运行这段代码(归功于Matthew Mayo,整个代码都可以找到here):
# import warnings
# warnings.filterwarnings(action = 'ignore', category = UserWarning, module = 'gensim')
import sys
from gensim.corpora import WikiCorpus
def make_corpus (in_f, out_f):
print(0)
output = open(out_f, 'w', encoding = 'utf-8')
print(1)
wiki = WikiCorpus(in_f)
print(2)
i = 0
for text in wiki.get_texts():
output.write(bytes(' '.join(text), 'utf-8').decode('utf-8') + '/n')
i += 1
if i % 10000 == 0:
print('Processed {} articles!'.format(i))
print(3)
output.close()
print('Process complete!')
print('start')
if __name__ == '__main__':
if len(sys.argv) != 3:
print('Usage: python make_wiki_corpus.py <wikipedia_dump_file> <processed_text_file>')
sys.exit(1)
in_f = sys.argv[1]
out_f = sys.argv[2]
make_corpus(in_f, out_f)
else:
print(__name__)
但是,函数分支似乎部分运行,在wiki = WikiCorpus(in_f)
处停止-它从未到达print(2)
-然后退出并重复代码的开头,没有产生任何结果。实际上没有出现错误,只有警告(UserWarning: detected Windows; aliasing chunkize to chunkize_serial warnings.warn("detected Windows; aliasing chunkize to chunkize_serial")
)
输出如下:
start
0
1
C:\Users\name\Anaconda3\lib\site-packages\gensim\utils.py:1254: UserWarning: detected Windows; aliasing chunkize to chunkize_serial warnings.warn("detected Windows; aliasing chunkize to chunkize_serial")
start
__mp_main__
start
__mp_main__
start
__mp_main__
我尝试过卸载所有必需的软件包(numpy、smart_open)以及gensim本身(在活动的conda环境中),但没有任何改变。 另外,主和多处理之间有什么区别
--规格:win64,py 3.7.3
编辑:在调试级别运行日志记录后,记录文件
2020-02-16 22:49:00,061:start: :13396
2020-02-16 22:49:00,061:0 :13396
2020-02-16 22:49:00,061:1 :13396
2020-02-16 22:49:01,493:start: :22356
2020-02-16 22:49:01,493:3 :22356
2020-02-16 22:49:01,496:start: :25332
2020-02-16 22:49:01,497:3 :25332
2020-02-16 22:49:01,530:start: :7120
2020-02-16 22:49:01,530:3 :7120
2020-02-16 22:49:01,541:adding document #0 to Dictionary(0 unique tokens: []):13396
(另外,在else
分支中添加了“3”:
else:
logging.debug('3 ')
Windows操作系统可能是一个促成因素;许多与多处理相关的事情在那里的工作方式不同,而
gensim
得到了更多的使用&;在别处测试。因此,如果您可以选择在另一个操作系统下测试代码,或者完全使用另一个操作系统,那么这个问题&;其他潜在的未来问题可能变得无关紧要其他需要检查的事项&;尝试:
wiki_en.txt
文件是否被创建,或者是否收到任何输出如果您提供
processes=1
作为WikiCorpus
的参数,以便只使用一个工作进程,是否有帮助如果您测试了一些根本不尝试使用} source code 相同的样式对其进行解压缩,这是否有效,或者也显示出类似的问题?(如果有类似的问题,那么它是一个有用的较小的触发案例,将注意力集中在
WikiCorpus
的代码,通过尝试读取原始wiki转储,使用BZ2File
以与gensim's ^{BZ2File
在Windows上的操作上。)您是否碰巧使用了Wikipedia's "multistream" BZ2 file,如果是,您是否可以尝试非多流替代方案&;查看相同的问题是否仍然存在(如果这是Windows上的
BZ2File
&multistream的问题)相关问题 更多 >
编程相关推荐