|
|
| （未显示2个用户的27个中间版本） |
| 第1行： |
第1行： |
| | *[[Hadoop平台安装部署]] | | *[[Hadoop平台安装部署]] |
| | ==网址收藏== | | ==网址收藏== |
| − | *[https://mp.weixin.qq.com/s?__biz=MzU4OTYwMTQ2MQ==&mid=2247483919&idx=1&sn=bc1cc24d79f3dc8d969a518a6e7b0dc5&chksm=fdca4dd5cabdc4c31089cf6e70e9a4f5c7ab244d6beaf16d1d513b68be4706eb3fec97b42169&mpshare=1&scene=23&srcid=0704UnjWRmksE0Q0YcZ4XRqw#rd Python实战 | 只需 “4步” 入门网络爬虫] | + | *[[大数据网站收藏]] |
| − | *[https://mp.weixin.qq.com/s?__biz=MzA4MjEyNTA5Mw==&mid=2652567982&idx=1&sn=4ba2c74b0941b3f3a93498245a9217ff&chksm=8464d1e4b31358f2181a0eed7878a76d79ca9481f5b70b61f7288c6ad8eb405d531ababad01f&mpshare=1&scene=23&srcid=0719Day8QXQch58ZSCmLafUV#rd 使用 Python 分析《我不是药神》豆瓣电影短评]
| |
| − | *[[https://mp.weixin.qq.com/s?__biz=MzI3MzEzMDI1OQ==&mid=2651820756&idx=1&sn=93199e188c140d5c939069feef84db34&chksm=f0dcc4a8c7ab4dbe28a3537c78662a8aa1986434fcbc9d96e9324c5e0fe45996ea87c5709c05&mpshare=1&scene=23&srcid=0719W1leOtVtJiTHfdVnHGcU#rd|10分钟大数据Hadoop基础入门 ]]
| |
| | | | |
| | ==网络爬虫入门== | | ==网络爬虫入门== |
| 第13行： |
第11行： |
| | | | |
| | *[[Python爬取静态网页]] | | *[[Python爬取静态网页]] |
| | + | *[[Python 爬虫 1 - Requests 库入门与实战]] |
| | + | *[[Python 爬虫 2 - 信息提取(Beautiful Soup 库)]] |
| | + | |
| | *[[Python爬取动态网页]] | | *[[Python爬取动态网页]] |
| | | | |
| | ==解析网页== | | ==解析网页== |
| | *[[Python解析网页]] | | *[[Python解析网页]] |
| − |
| |
| − | 解析网页的基础技术：re正则表达式、BeautifulSoup和lxml。
| |
| − |
| |
| − | 解析网页的进阶技术：解决中文乱码。
| |
| | | | |
| | ==存储数据== | | ==存储数据== |
| 第34行： |
第31行： |
| | ==其他== | | ==其他== |
| | *[[数据获取]] | | *[[数据获取]] |
| | + | *[[通过API获取数据]] |
| | + | *[[搭建 PySpider 爬虫服务]] |
| | *[[数据清洗和整理]] | | *[[数据清洗和整理]] |
| | *[[数据计算和表达]] | | *[[数据计算和表达]] |
2018年8月27日 (一) 13:08的最新版本
网址收藏
网络爬虫入门
获取网页
解析网页
存储数据
存储数据的基础技术：存入txt文件和存入csv文件。存储数据的进阶技术：存入MySQL数据库和存入MongoDB数据库。
提升爬虫速度
其他
参考文档：
[1] https://github.com/Santostang/PythonScraping
