在NLTK中，有一个nltk.download()功能可以下载NLP套件随附的数据集。

在sklearn中，它讨论了如何加载数据集（http://scikit-
learn.org/stable/datasets/
）和从http://mldata.org/中获取数据，但是对于其余的数据集，说明是要下载的从源头上

我应该在哪里保存从源下载的数据？ 在将数据保存到正确的目录之后，可以从python代码调用之前，还有其他步骤吗？

是否有例如如何下载20newsgroups数据集的示例？

我已经安装了sklearn并尝试了此操作，但是得到了一个IOError。很可能是因为我还没有从源代码下载数据集。

>>> from sklearn.datasets import fetch_20newsgroups
>>> fetch_20newsgroups(subset='train')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/sklearn/datasets/twenty_newsgroups.py", line 207, in fetch_20newsgroups
    cache_path=cache_path)
  File "/usr/local/lib/python2.7/dist-packages/sklearn/datasets/twenty_newsgroups.py", line 89, in download_20newsgroups
    tarfile.open(archive_path, "r:gz").extractall(path=target_dir)
  File "/usr/lib/python2.7/tarfile.py", line 1678, in open
    return func(name, filemode, fileobj, **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1727, in gzopen
    **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1705, in taropen
    return cls(name, mode, fileobj, **kwargs)
  File "/usr/lib/python2.7/tarfile.py", line 1574, in __init__
    self.firstmember = self.next()
  File "/usr/lib/python2.7/tarfile.py", line 2334, in next
    raise ReadError("empty file")
tarfile.ReadError: empty file