时间:2021-05-22
pre_file.py
#-*-coding:utf-8-*-import MySQLdbimport MySQLdb as mdbimport os,sys,stringimport jiebaimport codecsreload(sys)sys.setdefaultencoding('utf-8')#连接数据库try: conn=mdb.connect(host='127.0.0.1',user='root',passwd='kongjunli',db='test1',charset='utf8')except Exception,e: print e sys.exit()#获取cursor对象操作数据库cursor=conn.cursor(mdb.cursors.DictCursor) #cursor游标#获取内容sql='SELECT link,content FROM test1.spider;'cursor.execute(sql) #execute()方法,将字符串当命令执行data=cursor.fetchall()#fetchall()接收全部返回结果行f=codecs.open('C:\Users\kk\Desktop\hello-result1.txt','w','utf-8') for row in data: #row接收结果行的每行数据 seg='/'.join(list(jieba.cut(row['content'],cut_all='False'))) f.write(row['link']+' '+seg+'\r\n')f.close() cursor.close() #提交事务,在插入数据时必须jiansuo.py
#-*-coding:utf-8-*-import sysimport stringimport MySQLdbimport MySQLdb as mdbimport gensimfrom gensim import corpora,models,similaritiesfrom gensim.similarities import MatrixSimilarityimport loggingimport codecsreload(sys)sys.setdefaultencoding('utf-8') con=mdb.connect(host='127.0.0.1',user='root',passwd='kongjunli',db='test1',charset='utf8')with con: cur=con.cursor() cur.execute('SELECT * FROM cutresult_copy') rows=cur.fetchall() class MyCorpus(object): def __iter__(self): for row in rows: yield str(row[1]).split('/')#开启日志logging.basicConfig(format='%(asctime)s:%(levelname)s:%(message)s',level=logging.INFO)Corp=MyCorpus()#将网页文档转化为tf-idfdictionary=corpora.Dictionary(Corp)corpus=[dictionary.doc2bow(text) for text in Corp] #将文档转化为词袋模型#print corpustfidf=models.TfidfModel(corpus)#使用tf-idf模型得出文档的tf-idf模型corpus_tfidf=tfidf[corpus]#计算得出tf-idf值#for doc in corpus_tfidf: #print doc###'''q_file=open('C:\Users\kk\Desktop\q.txt','r')query=q_file.readline()q_file.close()vec_bow=dictionary.doc2bow(query.split(' '))#将请求转化为词带模型vec_tfidf=tfidf[vec_bow]#计算出请求的tf-idf值#for t in vec_tfidf: # print t'''###query=raw_input('Enter your query:')vec_bow=dictionary.doc2bow(query.split())vec_tfidf=tfidf[vec_bow]index=similarities.MatrixSimilarity(corpus_tfidf)sims=index[vec_tfidf]similarity=list(sims)print sorted(similarity,reverse=True)encodings.xml
<?xml version="1.0" encoding="UTF-8"?><project version="4"> <component name="Encoding"> <file url="PROJECT" charset="UTF-8" /> </component></project>misc.xml
<?xml version="1.0" encoding="UTF-8"?><project version="4"> <component name="ProjectLevelVcsManager" settingsEditedManually="false"> <OptionsSetting value="true" id="Add" /> <OptionsSetting value="true" id="Remove" /> <OptionsSetting value="true" id="Checkout" /> <OptionsSetting value="true" id="Update" /> <OptionsSetting value="true" id="Status" /> <OptionsSetting value="true" id="Edit" /> <ConfirmationsSetting value="0" id="Add" /> <ConfirmationsSetting value="0" id="Remove" /> </component> <component name="ProjectRootManager" version="2" project-jdk-name="Python 2.7.11 (C:\Python27\python.exe)" project-jdk-type="Python SDK" /></project>modules.xml
<?xml version="1.0" encoding="UTF-8"?><project version="4"> <component name="ProjectModuleManager"> <modules> <module fileurl="file://$PROJECT_DIR$/.idea/爬虫练习代码.iml" filepath="$PROJECT_DIR$/.idea/爬虫练习代码.iml" /> </modules> </component></project>声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了C#计算字符串相似性的方法。分享给大家供大家参考。具体如下:计算字符串相似性的办法很多,甚至最笨的办法可以挨个匹配,这里要讲的是使用莱文史特距离来
本文实例讲述了Python实现简单的文本相似度分析操作。分享给大家供大家参考,具体如下:学习目标:1.利用gensim包分析文档相似度2.使用jieba进行中文
本文实例讲述了Java基于余弦方法实现的计算相似度算法。分享给大家供大家参考,具体如下:(1)余弦相似性通过测量两个向量之间的角的余弦值来度量它们之间的相似性。
如今各行各业的网站已经充斥整个互联网,这就造成一种非常普遍的现象,就是众多网站之间都存在着一定的相似性,这种相似性的特征在行业网站中尤为的严重。由于相似性的
在使用python编程过程中,我们往往需要借助字典来提高编程效率。同时为了调试方便,我们希望将某些变量保存为中间文件。例如,在协同过滤算法中,相似性的训练结果可