我下载了完整的Wikipedia档案14.9gb，并且正在运行以下代码行：
wiki = WikiCorpus("enwiki-latest-pages-articles.xml.bz2")
我的代码似乎并没有过去，现在已经运行了一个小时，我知道目标文件很大，但是我想知道如何判断它是否正常工作，或者期望什么该完成什么时间了？
答案 0 :(得分：1)
您通常可以使用特定于操作系统的监视工具，例如Linux / Unix / MacOS系统上的top，以了解您的Python进程是密集计算，使用内存还是继续IO。
即使第一次实例化WikiCorpus时进行简单的词汇扫描也可能需要很长时间才能解压缩和标记化/计数，因此运行时间超过一个小时不会令我感到惊讶。 （而且，如果从top的输出或类似的监视中可以清楚地看出，在此简单操作过程中它依赖于任何虚拟内存/交换，那将使速度进一步降低。）
作为比较基准，您可以使用如下shell命令来计时仅进行解压缩的时间：
% time bzcat enwiki-latest-pages-articles.xml.bz2 | wc
（在我的MacBook Pro上进行的快速测试表明，仅15GB的BZ2数据可能需要30分钟以上的时间才能解压缩。）
在某些情况下，以INFO级别打开Python日志记录将显示带有gensim模块的进度信息，尽管我不确定WikiCorpus直到完成才显示任何内容。启用INFO级日志记录可以很简单：
import logging
logging.getLogger().setLevel(logging.INFO)