基于Python与Jieba中文分词及聚类方法研究.pdfVIP

前面讲述了很多关于Python爬取本体Ontology、消息盒InfoBox、

虎扑等例子，同时讲述了VSM向量空间模型的应用。但是由于

InfoBox没有前后文和语义概念，所以效果不是很好，这篇文章主要是

爬取5A景区信息，再利用Jieba分词工具进行中文分词，最

后提出文本聚类算法的一些概念知识。

一.Selenium爬取百科

简单给出Selenium爬取百科5A级景区的代码：

[python]viewincopy

1.#coding=utf-8

2.

3.Createdon2015-12-10@author:Eastmount

4.

5.

6.importtime

7.importre

8.importos

9.importsys

10.importcodecs

11.importshutil

12.fromseleniumimportwebdriver

13.frommon.keysimportKeys

14.importselenium.webdriver.support.uiasui

15.frommon.action_chainsimportActionChains

16.

17.#OpenPhantomJS

18.driver=webdriver.PhantomJS(executable_path=G:\phantomjs-1.9.1-

windows\phantomjs.exe)

19.#driver=webdriver.Firefox()

20.wait=ui.WebDriverWait(driver,10)

21.

22.#GettheContentof5Atouristspots

23.defgetInfobox(entityName,fileName):

24.try:

25.#createpathsandtxtfi

26.printu文件名称:,fileName

前面讲述了很多关于Python爬取本体Ontology、消息盒InfoBox、虎

扑等例子，同时讲述了VSM支持空间模型的应用。但是由于

InfoBox的前后文和语义概念，所以效果不太好，本文主要是爬取

5A地点信息，再利用Jieba分词工具进行中文分词，最后提出文本

森林算法的一些概念知识。

⼀.Selenium爬取百科

简单给出Selenium爬取百科5A级区域的代码：

[

p

Eastmount4.5.6.导入时间7.importre8.importos9.importsys10.import

c

odecs11.importShutil12.fromseleniumimportwebdriver13.from

lenium.webdriver.su