我正在尝试学习在python中使用nltk包。特别是，我需要在NLTK中使用Penn树库数据集。据我所知，如果我调用nltk.download('treebank')，我可以得到数据集的5%。但是，我在tar.gz文件中有一个完整的数据集，我想使用它。这里说：

If you have access to a full installation of the Penn Treebank, NLTK
can be configured to load it as well. Download the ptb package, and in
the directory nltk_data/corpora/ptb place the BROWN and WSJ
directories of the Treebank installation (symlinks work as well). Then
use the ptb module instead of treebank:

所以，我从终端打开了python，导入了nltk，并输入了nltk.download('ptb')。使用此命令，在我的~/nltk_data目录下创建了"ptb"目录。最后，我有了~/nltk_data/ptb目录。在那里，正如我在上面给出的链接中建议的那样，我已经把数据集文件夹放在里面了。这是我最后的目录层次结构。

在从00到24的所有文件夹中，有许多.mrg文件，如wsj_0001.mrg , wsj_0002.mrg等。

现在，让我们回答我的问题。同样，根据这里：

如果我写下以下内容，我应该能够获得文件ID：

不幸的是，当我键入print(ptb.fileids())时，得到了空数组。

有人能帮我吗？

编辑以下是我的ptb目录和allcats.txt文件的内容：

PTB语料库阅读器需要大写的目录和文件名(根据问题中包含的allcats.txt的内容)。这与许多使用小写字母的penn treebank分布相冲突。

解决这个问题的快速方法是将文件夹wsj和brown及其内容重命名为大写。可以用于此目的的UNIX命令是：

(从这个问题中获得)。它将以递归方式将目录和文件名更改为大写。