自己用爬虫抓取的百度百科分类词条，分好类的

Python3.5实现的爬虫，截至2018年1月06日可用，为了测试方便我在循环里循环到50次强制退出了，大家可以自行修改。

基于Lucene的电影搜索引擎 内容介绍 本文研究的主要内容是：面向电影搜索引擎的功能设计和技术实现。搜索引擎功能设计主要包括，信息资源的集成，查询扩展模块，Lucene检索模块，结果可视化。 信息资源的集成主要使用网络爬虫技术，利用java语言的regex包和selenium插件实现模拟登录以获取新浪微博，豆瓣电影，百度百科，相关新闻等不同数据源数据，以文档形式存储。查询扩展模块通过IKAnalayzer实现输入文本的分词和关键词的提取，为检索做准备。Lucene检索主要包括建立索引和对结果文档的排序。搜索结果可视化通过spring MVC框架搭建完整的系统实现。 技术实现主要包括：基于Lucene的全文检索技术，spring MVC框架，java爬虫技术，Python爬虫技术，html+css+JavaScript网页设计等。 实现流程详解 文本预处理 由于数据基本上都是中文的，Luc

开源web知识图谱项目 爬取百度百科中文页面 解析三元组和网页内容 建立中文知识图谱 建立百科bot（重建中） 更新20200720 Windows上的部署参考，感谢LMY-nlp0701！ 更新20191121 迁移代码到爬虫框架scrapy 优化了抽取部分代码 数据持久化迁移到mongodb 修复chatbot失败问题 开放neo4j后台界面，可以查看知识图谱成型效果 提示 如果是项目问题，请提问题。 如果涉及到不方便公开的，请发邮件。 ChatBot请访问 成型的百科知识图谱访问，用户名：neo4j，密码：123。效果如下： 环境 python 3.6 re：url正则匹配 scrapy：网页爬虫和网页解析 neo4j：知识图谱图数据库，安装可以参考 pip install neo4j-driver：neo4j python驱动 pip install pymongodb：mongodb的python支持 mongodb数据库：安装参考 代码执行： cd WEB_KG/baike scrapy crawl baike 执行界面（按ctrl + c停止）： 知识图谱效果图

仿百度百科网站程序源码是专为中文用户设计和开发，程序源代码100%完全开放的一个采用 PHP 和 MySQL 数据库构建的高效的中文百科建站解决方案，在尊重版权的前提下能极大的满足站长对于网站程序进行二次开发。

百科在线编辑器，是从百度百科词条那里挖下来的，支持图上上传，保持原有的简洁风格，清新自然，功能也同样简洁，但是并不是把有用功能去掉了，相反，编辑器支持图片上传、表格插入、链接插入、临时保存、插入特殊字符、撤销和恢复等功能，从界面看很简单，但是功能不要小看哦，再说也是门户网站里的东西哦。插入上传采用PHP，因此为确保演示功能都正常，请勿必在PHP下测试运行。

python写的百度百科爬虫

自己实现的百度百科爬虫，非框架，可运行，可用于新手学习入门，通过此项目可清晰了解爬虫实现的基本原理

python3爬取1000个百度百科页面源码，带有详细注释。

#2.4_小练习__爬百度百科_(爬虫_scraping_基础教学_教程_Tutorial)