自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。
共包含3273626个段落的文本（一个段落包含了多个语句）。
处理后的语料有1.1G，由于文件较大，提供百度网盘下载地址。
2019-12-21 19:54:45
300B
1
Encyclopedia of Mathematical Physics 数学物理学百科全书，06年出版，3324页，高清电子收藏版
2019-12-21 19:25:01
33.25MB
1
学习python一周，学着写了一个爬虫，用来抓取360百科的词条，在这个过程中，由于一个小小的改动，程序出现一些问题，又花了几天时间研究，问了各路高手，都没解决，最终还是自己解决了，其实就是对list列表理解不够深入导致的。这个bug很有借鉴意义。
有5个模块：
spider_main.py是入口函数
url_manager.py是管理器，管理需要抓取的url和已经抓取的url
html_downloader.py是下载器，下载对应url的网页
html_parser.py是解析器，解析出新的url列表和当前的词条信息
html_outputer.py是输出器，将抓取的词条title和解释summary输出成一个html表格
本程序使用的是最新的python3.4.4，使用的类库有：
官方的urllib
第三方的BeautifulSoup（自行下载安装）
2019-12-21 18:54:59
9KB
1
利用python做的一个简单爬虫程序，可获取python百度百科所有链接内容并以网页的内容显示
2019-12-21 18:53:58
6.9MB
1
本文主要是参看我的博客http://blog.csdn.net/eastmount/article/details/44342559 [python学习] 简单爬取维基百科程序语言消息盒，主要讲述Python爬取维基百科的方法，主要是提供一种方法和思想，希望对大家有所帮助。
建议同博客一起阅读，否则可能感觉有些模糊。免费资源分享给大家学习。
2019-12-21 18:49:23
841KB
1
从百度百科词条知识库中爬取下来的百万条百科知识，可用于自然语言处理、QA问答、知识图谱、实体识别、关系抽取等技术研究
2019-12-21 18:48:09
49.58MB
1