sklearn.datasets.fetch_20newsgroups下载速度极慢采用离线下载导入

本文系转载，原文链接 https://blog.youkuaiyun.com/qq_35531549/article/details/88700782

1.下载文件20newsbydate.tar.gz

点击它给出的链接就可以直接下载，速度挺快

2.有文件了, Python 怎么读取啊？？？

文件名是 20newsbydate.tar.gz

在此说明如下:
fetch_20newsgroups函数将下载的文件放在
C:\Users(你的user_name)\scikit_learn_data\20news_home目录下
将你下载的文件放在这里
(没有的话创建一个)
或者控制台执行,一句一句来,执行完会自动创建一个文件夹

from sklearn.datasets import fetch_20newsgroups
news = fetch_20newsgroups(subset='all')

Python下载的文件叫20news-bydate.tar.gz
你下载的叫20newsbydate.tar.gz
所以改成它那样的就成
(不过自己应该先看下, 你那个版本的Python下载的文件名字是啥)

3.进入Python安装文件夹中找到文件 twenty_newsgroups.py

用任意文本编辑器打开它
找到download_20newsgroups函数

上红框是下载文件的部分, 下红框是解压文件的部分
So, 我们只需要将上红框注释掉, 并加入文件地址即可
然后, ctrl+s , 如图:

有可能再报一个缩进的错:

缩进嘛, 看下哪行的4个空格变成一个Tab了, 改过来即可(我的是archive_path前面tab换成4个空格)

然后就好了

再执行如下,就会说下载需要等待一会,等python自动解压完成即可使用

from sklearn.datasets import fetch_20newsgroups
news = fetch_20newsgroups(subset='all')