读书笔记
NLTK基础教程 用nltk和python库构建机器学习应用 笔记与勘误
书籍 • 李魔佛 发表了文章 • 0 个评论 • 2892 次浏览 • 2018-11-13 13:55
勘误：
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
查看全部
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
查看全部
勘误：
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
[读后笔记] python网络爬虫实战 （李松涛）
书籍 • 李魔佛 发表了文章 • 0 个评论 • 3378 次浏览 • 2017-12-14 11:28
用了大概一个早上的时间，就把这本书看完了。
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。 查看全部
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。 查看全部
用了大概一个早上的时间，就把这本书看完了。
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。
NLTK基础教程 用nltk和python库构建机器学习应用 笔记与勘误
书籍 • 李魔佛 发表了文章 • 0 个评论 • 2892 次浏览 • 2018-11-13 13:55
勘误：
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
查看全部
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
查看全部
勘误：
1. 第6页：
lst[0:2]
这个应该是list的前2位，不是前3位。（不应该啊，这么基础的都会错）
输出是1,2
2. 第25页
wlem.lemmatize('ate') 改为
wlem.lemmatize('ate','v’)
需要手工添加一个动词v，才能够识别到词性的原型。
[读后笔记] python网络爬虫实战 （李松涛）
书籍 • 李魔佛 发表了文章 • 0 个评论 • 3378 次浏览 • 2017-12-14 11:28
用了大概一个早上的时间，就把这本书看完了。
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。 查看全部
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。 查看全部
用了大概一个早上的时间，就把这本书看完了。
前面4章是基础的python知识，有基础的同学可以略过。
scrapy爬虫部分，用了实例给大家说明scrapy的用法，不过如果之前没用过scrapy的话，需要慢慢上机敲打代码。
其实书中的例子都是很简单的例子，基本没什么反爬的限制，书中一句话说的非常赞同，用scrapy写爬虫，就是做填空题，而用urllib2写爬虫，就是作文题，可以自由发挥。
书中没有用更为方便的requests库。 内容搜索用的最多的是beatifulsoup， 对于xpah或者lxml介绍的比较少。 因为scrapy自带的response就是可以直接用xpath，更为方便。
对于scrapy的中间和pipeline的使用了一个例子，也是比较简单的例子。
书中没有对验证码，分布式等流行的反爬进行讲解，应该适合爬虫入门的同学去看吧。
书中一点很好的就是代码都非常规范，而且即使是写作文的使用urllib2，也有意模仿scrapy的框架去写， 需要抓取的数据 独立一个类，类似于scrapy的item，数据处理用的也是叫pipleline的方法。
这样写的好处就是， 每个模块的功能都一目了然，看完第一个例子的类和函数定义，后面的例子都是大同小异，可以加快读者的阅读速度，非常赞。（这一点以后自己要学习，增加代码的可复用性）
很多页面url现在已经过期了，再次运行作者的源码会返回很多404的结果。
失效的项目：
金逸影城
天气预报
获取代理：http://proxy360.com
本书的一些错误的地方：
1. 获取金逸影城的spider中，所有关于movie的拼写都拼错为moive了。这个属于英语错误。
2. 在testProxy.py 代码中， 由于在同一个类中，一直在产生线程，最后导致线程过多，不能再产生线程。程序会中途退出。
File "C:\Python27\lib\threading.py", line 736, in start
_start_new_thread(self.__bootstrap, ())
thread.error: can't start new thread
可以修改成独立函数的形式，而不是类函数。
待续。
