慎独

    Urllib库详解 Urllib：是请求库，提供了强大的处理函数；Python内置的HTTP请求库 urllib.request # 请求模块 urllib.error # 异常处理模块 urllib.parse # url解析模块 urllib.robotparser # robots.txt解析模块 重点前三个模块，第四个用的少了 urlopen urllib.req...

NLP的任务往往需要大量的语料库作为数据集，而尽管现有的许多任务上都有固定的数据集，但还是在很多方面存在着欠缺。为了弥补这个欠缺，网上的大量免费的文本信息就需要通过爬虫爬下来。由此开始了爬虫的学习。 爬虫学习之： 爬虫的基本原理 爬虫：请求网站并提取数据的自动化程序。 请求：鼠标点击网页资源；程序实现； 提取：资源——HTML代码 - 资源包含在文本中 -> 从文本中提取想要的信息 ...