摘要：
1、目标网站 目标网站：https://so.gushiwen.org/shiwen/default.aspx? 2、爬虫目的 爬取目标网站的文本，如古诗的内容，作者，朝代，并且保存到本地中。 3、爬虫程序 # -*- coding:utf-8 -*- #爬取古诗网站 import requests 阅读全文
摘要：
1、目的 爬取笔趣阁网站的剑来小说正文内容，并保存到本地中。 2、实现方案 首先，请求目标网站的网页数据，通过分析找出章节地址的特点，并通过xpath获取到章节链接； 其次，请求每一章节的内容，通过数据清洗去除脏数据，得到剑来文章正文； 最后，保存数据到本地。 3、程序设计 3.1 请求数据模块 请 阅读全文
摘要：
# -*- coding: utf-8 -*- import requests from lxml import etree class BookSpider(object): def __init__(self): self.url = "http://www.jianlaixiaoshuo.co 阅读全文
摘要：
续上篇：https://www.cnblogs.com/maxxu11/p/12626007.html 1、代码： # -*- coding: utf-8 -*- import requests from lxml import etree import os from urllib import 阅读全文
摘要：
2.1 jieba 2.1.1 jieba简介 Jieba中文含义结巴，jieba库是目前做的最好的python分词组件。首先它的安装十分便捷，只需要使用pip安装；其次，它不需要另外下载其它的数据包，在这一点上它比其余五款分词工具都要便捷。另外，jieba库支持的文本编码方式为utf-8。 Jie 阅读全文
摘要：
1、hanlp简介 HanLP是由一系列模型与算法组成的Java工具包，目标是普及自然语言处理在生产环境中的应用。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 Hanlp具有以下功能： 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取新词发现 短语提取 自动摘要 阅读全文
摘要：
问题：使用pynlpir分词，遇到License过期问题 抛出异常：pynlpir.LicenseError: Your license appears to have expired. Try running "pynlpir update". 解决方法：下载下面链接文件，替换原有的NLPIR.u 阅读全文
摘要：
自然语言处理——中文文本预处理 近期，在自学自然语言处理，初次接触NLP觉得十分的难，各种概念和算法，而且也没有很强的编程基础，学着稍微有点吃力。不过经过两个星期的学习，已经掌握了一些简单的中文、英文语料的预处理操作。写点笔记，记录一下学习的过程。 1、中文语料的特点 第一点：中文语料中词与词之间是 阅读全文
摘要：
问题描述：Nltk下载数据包，安装频繁报错。 import nltk nltk.download() 运行上面的代码，下载nltk的数据包。但是在下载过程中因为各种问题导致网络传输失败，下载不成功。 解决方法：先下载nltk的数据包，安装到上面的目录，点击refresh，即可。 数据包下载地址： 链 阅读全文
摘要：
转：https://looaon.com/index.php/%E6%AD%A3%E5%88%99%E5%AD%A6%E4%B9%A0/921.html在做项目的过程中，使用正则表达式来匹配一段文本中的特定种类字符，是比较常用的一种方式，下面是对常用的正则匹配做了一个归纳整理。 1、匹配中文:[\u 阅读全文