【毕设项目】基于Python搜索引擎与推荐算法推荐平台

系列目录

【毕设项目】推荐平台功能详解----搜索引擎


基于Python搜索引擎与推荐算法推荐平台(一)

一、前言

简介

(1)通过Python定时采集数据获取分析数据源,使用jieba进行文本分析关键词,将分析的关键词进行相似性计算,得出新闻的相关性,通过相关性进行内容的推荐。
(2)同理将用户的IP地址进行区域分析,再匹配与用户地区相关的新闻内容。
(3)再通过文章的阅读量和评论量结合上时间点进行热度值的分析与计算

功能结构

用户端/管理端

框架、第三方库

涉及技术/框架
前端Vue.js、iView、ElementUI、ECharts
后端Django、Selenium、jieba、BeatifulSoup
数据库MySQL

界面

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、使用步骤

1.安装Python依赖

代码如下:

pip install -r requirements.txt
#(requirements.txt文件已经包含在源码根目录下)

2.安装Vue.js依赖

前端页面是通过Vue.js编写的,用的是Vue的脚手架(没有的百度自行安装)

npm install

前端页面里用户端和管理端是分开的两个项目,所以需要再两个项目下都进行依赖安装!

3.数据库创建/数据导入

数据库表如下
在这里插入图片描述
SQL文件已经放在了Django项目根目录下,自行Navicat或其他方式导入即可。
除去Django框架自动生成的数据表,剩下一共13张表,嫌麻烦没有添加外键依赖,所以可能不太规范。并且第一次使用Django来做项目,所以对于ORM的操作不太熟悉,以至于后面的多表查询只能被拆分成单表查询,主要是因为Django的多表查询是需要中间表作为辅助进行操作的,但是我在做这个项目时,数据库早已经建立好,并且爬虫部分已经写好了,时间关系就没有整个颠覆重新搞。

4.数据库配置

使用全局搜索找到mysql就能找到需要配置数据的地方了。由于整个框架零零散散的并不是同时期同步进行的,导致数据库的配置有些稀碎QAQ…

DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'news',
        'USER': 'root',
        'PASSWORD': 'root',
        'HOST': '127.0.0.1',
        'PORT': '3306',
    }
}

5.启动项目

Django项目启动

# 进入newsapi的目录
python manage.py runserver 0.0.0.0:8000

Vue项目启动

//用户端
npm run dev 
//管理端
npm run serve

总结

整体上这个项目完成度相对来说还挺高的,目前还存在的Bug是管理端的两个系统控制器时不时会出现刹不住车的情况,其本质上是因为线程启动之后,对于任务管理的控件只能取消间隔任务,但是并不能直接关闭线程。另外一个文件就是项目的结构听混乱的,找时间重新整理整理。
项目的源码已更新,有需要的可以自行下载😀
欢迎提交问题和错误
个人码云主页,欢迎交流!!

网络爬虫:通过Python实现新浪新闻的爬取,可爬取新闻页面上的标题、文本、图片、视频链接(保留排版) 推荐算法:权重衰减+标签推荐+区域推荐+热点推荐 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。
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值