網(wǎng)絡(luò)大數(shù)據(jù)的抽取電子_第1頁(yè)
網(wǎng)絡(luò)大數(shù)據(jù)的抽取電子_第2頁(yè)
網(wǎng)絡(luò)大數(shù)據(jù)的抽取電子_第3頁(yè)
網(wǎng)絡(luò)大數(shù)據(jù)的抽取電子_第4頁(yè)
網(wǎng)絡(luò)大數(shù)據(jù)的抽取電子_第5頁(yè)
已閱讀5頁(yè)，還剩1頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

網(wǎng)絡(luò)大數(shù)據(jù)的抽取目錄網(wǎng)絡(luò)爬蟲(chóng)的概念2網(wǎng)絡(luò)爬蟲(chóng)的意義網(wǎng)絡(luò)爬蟲(chóng)的實(shí)現(xiàn)一、網(wǎng)絡(luò)爬蟲(chóng)的定義網(wǎng)絡(luò)爬蟲(chóng)：是一種按照一定的規(guī)則，自動(dòng)的抓取萬(wàn)維網(wǎng)信息的程序或者腳本。如果把互聯(lián)網(wǎng)比喻成一個(gè)蜘蛛網(wǎng)，那么Spider就是在網(wǎng)上爬來(lái)爬去的蜘蛛。

網(wǎng)絡(luò)蜘蛛是通過(guò)網(wǎng)頁(yè)的鏈接地址來(lái)尋找網(wǎng)頁(yè)的。從網(wǎng)站某一個(gè)頁(yè)面（通常是首頁(yè)）開(kāi)始，讀取網(wǎng)頁(yè)的內(nèi)容，找到在網(wǎng)頁(yè)中的其它鏈接地址，然后通過(guò)這些鏈接地址尋找下一個(gè)網(wǎng)頁(yè)，這樣一直循環(huán)下去，直到把這個(gè)網(wǎng)站所有的網(wǎng)頁(yè)都抓取完為止。3二、網(wǎng)絡(luò)爬蟲(chóng)的意義互聯(lián)網(wǎng)是大數(shù)據(jù)信息的主要來(lái)源，能夠采集什么樣的信息、采集到多少信息以及哪些類型的信息，直接影響著大數(shù)據(jù)應(yīng)用功能的最終發(fā)揮效果。采集量采集速度采集范圍采集范圍涉及微博、論壇、博客、新聞網(wǎng)、電商網(wǎng)站、分類網(wǎng)站等各種網(wǎng)上可見(jiàn)頁(yè)面；而采集類型囊括文本、數(shù)據(jù)、URL、圖片、視頻、音頻等各種呈現(xiàn)類型；信息數(shù)據(jù)采集速度可以達(dá)到秒及以上。網(wǎng)絡(luò)爬蟲(chóng)需要考慮4[第一步]爬哪里（URL）：獲取整個(gè)頁(yè)面數(shù)據(jù)[第二步][第三步]保存結(jié)果（Save）:將頁(yè)面篩選的數(shù)據(jù)保存到本地

我們可以通過(guò)python

來(lái)實(shí)現(xiàn)這樣一個(gè)簡(jiǎn)單的爬蟲(chóng)功能，把我們想要的代碼爬取到本地。下面就看看如何使用python來(lái)實(shí)現(xiàn)這樣一個(gè)功能。

一般我們?nèi)阶?！爬什么（interesting）：你對(duì)什么感興趣？非常強(qiáng)大的

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論