DouBanRecommend 基于豆瓣图书的推荐、知识图谱与知识引擎简单构建neo4j 本项目主要贡献源来自豆瓣爬虫（数据源）、知识图谱引擎、中内嵌的推荐算法。 主要拿来做练习，数据来源可见。 练习内容： 豆瓣图书推荐 + 搜索模块 豆瓣图书知识库简单应用（Neo4j的使用） 推荐与搜索模块再结合豆瓣内部的API就更加牛逼~~~！（） 20210130 更新 将book_excel.csv压缩成book_excel.zip放在文件夹book_recomend下面 一、数据整理 简单的把爬虫数据进行简单的整理。主要做了一下针对每本书的评分，数据源中有两个值得用的字段：豆瓣书籍评分 + 书籍阅读人数，先等级化，然后进行平均，简单的得到了该书籍的得分。 # 把豆瓣读书评分 / 豆瓣读书人群数量 进行分箱 book_excel_all['rank_rank'] = pd.qcut(book_ex

爬取豆瓣网图书TOP250的信息，只有一级网页结构，可以帮助初学时入门。

Spider_DouBan_Book 帮大四学长的毕设搞一点豆瓣的图书数据，已经上传了sql文件，只爬了3000+本书，15000+评论数据，数据库Mysql。

douban #这是我写的第一个爬取豆瓣图书信息的爬虫代码， #爬取了400条关于图书信息的数据 #每条数据包括书名、作者及翻译、出版社、价格、出版时间、评分、评论人数。 #把抓取数据的过程封装成Data(url)的函数，循环 20次来抓取前20页的数据， #如果想要更多的数据只要把"for i in range(0,399,20):"里面的399改成x，其中（x+1） =0 #如果还有问题请给我发邮件

基于Python的豆瓣图书评论数据获取与可视化分析.pdf

该文件为豆瓣上评分排行前250的图书信息数据，数据爬取文章网址：https://blog.csdn.net/LEEBELOVED/article/details/83790006

python编译的爬取豆瓣图书的代码，粗糙但是能用，实现基本的原理，易于理解，为了凑足五十个字不容易

源代码：网站制作豆瓣图书

1、本爬虫是爬取豆瓣网站上的TOP 250 图书信息，相关网址：https://book.douban.com/top250 2、本爬虫用到的模块 有 requests,lxml,time 注： 本程序只作为业余学习，程序中，对于“IndexError: list index out of range”报错，已经做了完美解决。

最近微信小程序被炒得很火热，本人也抱着试一试的态度下载了微信web开发者工具，开发工具比较简洁，功能相对比较少，个性化设置也没有。了解完开发工具之后，顺便看了一下小程序的官方开发文档，大概了解了小程序的开发流程和一些常用的API。 了解了小程序之后，自己就有了想要做一个小demo的冲动，虽然自己对小程序还没有做过很多实践，只是在官方例子上徘徊，但是还是想做出点小东西。既然要做一个demo，自然需要到数据，自己有又不想独自搭建服务端，所以在网上搜索可以用来提供测试数据的免费api，最后我选择了豆瓣图书。豆瓣图书提供的api功能比较少，加上不开放appkey申请，所以无法操作用户数据。只能做点简单