# Python 2.x 爬虫 + D3 数据可视化
抓取百度百科985高校信息
所属城市 | 中文名 | 英文名 | 创办时间 | 简称 | 知名校友 | 主要院系
--------- | --------- | --------- | --------- | --------- | --------- | ---------
city | name | enName | date | short | friend | dept
数据来源:
![image](image/2.png)
数据处理:补全信息、分词、统一格式
![image](image/3.png)
最后效果图:
![image](image/1.png)
Demo访问地址:http://47.95.209.24:3000/(暂时无法访问,服务器搬家中。。。)
## 内容(按处理顺序):
- list-school 高校列表
- loadingData 获取高校信息
- stopwords 分词
- entity 分离实体
- node-links 生成json数据(节点和关联关系)
- html D3.js的数据可视化
[原文作者博客](http://zhanghonglun.cn/)
[原文作者代码](https://github.com/Honlan/starwar-visualization)
我的博客,记录学习、记录生活:
https://s-top.github.io
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
资源推荐
资源详情
资源评论
收起资源包目录
爬虫-百度百科-知识图谱探索.zip (34个子文件)
SJT-code
cleanData
city-name.txt 3KB
school.txt 720B
haddleData.py 1KB
image
3.png 42KB
1.png 452KB
2.png 31KB
html
all.json 14KB
nodes.json 146KB
index.html 14KB
loadingData
all.json 15KB
all.txt 15KB
list-school.txt 641B
loadingData.py 3KB
entity
all.txt 13KB
friend.txt 3KB
short.txt 1KB
city.txt 1KB
getAll.py 2KB
name.txt 1KB
dept.txt 5KB
En-name.txt 2KB
time.txt 1KB
node-links
json_force.py 5KB
README.md 990B
stopwords
all.txt 15KB
friend.txt 3KB
splitWords.py 4KB
short.txt 1KB
city.txt 1KB
name.txt 1KB
dept.txt 5KB
En-name.txt 2KB
time.txt 1KB
stopwords.txt 123B
共 34 条
- 1
资源评论
JJJ69
- 粉丝: 6241
- 资源: 5777
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功