Neo-Luo / scrapy_baiduLinks
百度网页搜索爬虫（查询结果列表页和详情页抓取，详情页正文提取）
☆24Updated 6 years ago
Alternatives and similar repositories for scrapy_baidu
Users that are interested in scrapy_baidu are comparing it to the libraries listed below
Sorting:
- 利用文本挖掘技术进行新闻热点关注问题分析☆168Updated 7 years ago
- 新闻检索：爬虫定向采集3-4个网页，实现网页信息的抽取、检索和索引。网页个数不少于10个，能按时间、相关度、热度等属性进行排序，并实现相似主题的自动聚类。可以实现：有相关搜索推荐、snippet生成、结果预览(鼠标移到相关结果， 能预览)功能☆128Updated 9 years ago
- 文本分类是指在给定分类体系下 , 根据文本的内容自动确定文本类别的过程。首先我们根据scrapy爬虫根据中国知网URL的规律，爬取70多万条2014年公开的发明专利，然后通过数据清洗筛选出了60多万条含标签数据。通过TF-IDF对60多万条本文进行词频提取，依照词频排序提取…☆108Updated 7 years ago
- 基于selenium的轻量级新浪微博爬虫，可实现：1.后台自动爬取微博搜索结果/2.按时间段爬取搜索结果/3.爬取用户基本信息☆51Updated 5 years ago
- 今日头条爬虫，主要爬取关键词搜索结果，包含编辑距离算法、奇异值分解、k-means聚类。☆72Updated 6 years ago
- 基于 Simhash 的论文查重系统☆81Updated 3 years ago
- 爬取京东商品所有评论，利用情感分析，判断商品是否值得买☆61Updated 6 years ago
- Simple examples of text data visualization. 文本人物可视化，词云、人物关系图谱☆112Updated 8 years ago
- 中文问答系统：使用NLP相关技术，对搜索引擎，问答社区等进行信息抽取，文本概括等，支持通识问答，社区问答和部分专业问答☆31Updated 3 years ago
- 一个基于最新版本TensorFlow的Char RNN实现。可以实现生成英文、写诗、歌词、小说、生成代码、生成日文等功能。☆180Updated 7 years ago
- 新浪微博爬虫(Sina weibo spider)，百度搜索结果 爬虫☆197Updated 2 years ago
- 摘要、关键字、关键词组、文本相似度、分词分句（自然语言处理工具包）☆11Updated 6 years ago
- 基于scrapy-redis的分布式新闻爬虫，可同时获取腾讯、网易、搜狐、凤凰网、新浪、东方财富、人民网等各大平台新闻资讯☆47Updated 7 years ago
- 对舆情事件进行词云展示，对评论进行情感分析和观点抽取。情感分析基于lstm 的三分类，观点抽取基于AP 算法的聚类和MMR的抽取☆183Updated 7 years ago
- 搜索引擎关键词排位爬虫，包括百度，搜狗，360的搜索引擎关键词排位爬虫，关键词从百度热词中取得，排位分别从三个搜索引擎中抓取。☆18Updated 6 years ago
- 对小说文本进行分析，提炼小说剧情内容和人物关系☆87Updated 6 years ago
- Wenshu_Spider-Scrapy框架爬取中国裁判文书网案件数据(2019-1-9最新版)☆201Updated 7 years ago
- 豆瓣电影（短评）爬虫☆53Updated 7 years ago
- 网络舆情分析系统☆195Updated 9 years ago
- 基于Char RNN实现的“作家”应用，可以写诗也可以生成名字，看起来还☆88Updated 5 years ago
- 今日头条新闻详情页面爬取，逆向 Cookies 中 __ac_signature 生成过程☆33Updated 5 years ago
- 爬虫项目，领英、专利、乐捐、好大夫、阿里拍卖、看准网、实习僧、百度百科、51job、智联招聘等近80个网站☆81Updated 5 years ago
- 基于scrapy-redis实现分布式爬虫，爬取知乎所有问题及对应的回答，集成selenium模拟登录、英文验证码及倒立文字验证码识别、随机生成User-Agent、IP代理、处理302重定向问题等等☆61Updated 6 years ago
- 爬取汽车之家的口碑数据，并破解前端js反爬虫措施分析☆62Updated 8 years ago
- 微博用户关系爬虫☆12Updated 7 years ago
- 针对微博的话题聚类实现☆49Updated 9 years ago
- 借助jieba分词库和与之相关的算法。用于测试对非规范地址的分析、试分词，并进一步设计数据清洗算法 。☆37Updated 9 years ago
- 文本特征提取，适用于小说，论文，议论文等文本，提取词语、句子、依存关系等特征。python开发 。☆42Updated 7 years ago
- 中文语料库：包括情感词典 情感分析 文本分类 单轮对话 中文词典 知乎☆118Updated 7 years ago
- 淘宝爬虫命令行版，指定爬取淘宝商品和评论，利用selenium爬取商品信息，requests爬取评论信息。☆96Updated 5 years ago