摘要： 1 常用的页面内容解析的库 页面解析是我们写爬虫获取数据的最终目的。在python中常用的爬虫解析的库包括： lxml bs4 re pyquery 在使用这些包对html页面进行解析的时候，应该先了解一下基本的概念： 元素：通常直接用标签名表示该元素 元素间的关系：根元素、父元素、子元素、孙子元素 阅读全文

摘要： 在自然语言处理中，对语料进行分词是其中最基础和关键的一步。在python中常用的分词包有jieba，snownlp，thulac，pkuseg等。具体的使用可以参考官方文档。 jieba:https://github.com/fxsjy/jieba pkuseg:https://github.com 阅读全文