- 如果是项目问题，请提issue。
- 如果涉及到不方便公开的，请发邮件。
- ChatBot请访问链接
- 1.修改网页保存路径为相对路径
- 2.删除多余的文件，只保留代码文件
- 爬取百度百科中文页面
- 抽取100W+个三元组
- 构建中文知识图谱
- python 3.6
- requests:网络请求
- re:url正则匹配
- bs4:网页解析
- pickle:进度保存
- threading:多线程
- neo4j:知识图谱图数据库,安装可以参考链接
- pip install neo4j-driver：neo4j python驱动
- spider/ 抓取原始网页
- ie/ 从网页中解析正文，从正文中抽取结构化信息
- kg/ 抽取三元組，存入neo4j数据库
- 1.spider目录下执行：python spider_main.py
- 2.ie目录下执行：python extract-para.py
- 3.ie目录下执行：python extract-table.py
- 4.kg目录下执行：python build-triple-from-table.py
- 5.kg目录下执行：python insert_to_neo4j.py
