前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >SmartDo数据挖掘思路

SmartDo数据挖掘思路

作者头像
机器学习和大数据挖掘
发布2019-07-02 09:38:00
4400
发布2019-07-02 09:38:00
举报
文章被收录于专栏:数据挖掘

SmartDo数据挖掘思路

数据挖掘部分:

数据挖掘的主要网址为:

https://www.amazon.com/Best-Sellers/zgbs

挖掘部分为网址左边的入口,大约20多个,其中页面分级如下:

代码语言:javascript
复制
一级:
https://www.amazon.com/Best-Sellers/zgbs

二级:(Home-Kitchen)
https://www.amazon.com/Best-Sellers-Home-Kitchen/zgbs/home-garden/ref=zg_bs_nav_0

三级:(Bedding)
https://www.amazon.com/Best-Sellers-Home-Kitchen-Bedding/zgbs/home-garden/1063252/ref=zg_bs_nav_hg_1_hg

四级:(Quilts-Sets)
https://www.amazon.com/Best-Sellers-Home-Kitchen-Quilts-Sets/zgbs/home-garden/10671039011/ref=zg_bs_nav_hg_2_1063252

五级:(Quilts)
https://www.amazon.com/Best-Sellers-Home-Kitchen-Quilts/zgbs/home-garden/3732171/ref=zg_bs_nav_hg_3_10671039011

其中括号内的为点击的URL入口。

本次抓取的步骤如下:

  1. 将所有类目下的URL储存到数据库中
  2. 分配不同的类目的URL到不同的计算机,实行分布抓取
  3. 将抓取的HTML保存到本地
  4. 一边保存HTML时一边进行解析,将自己需要的信息提取出来
  5. 将信息储存到数据库中

数据储存部分:

数据储存首先要搭建储存的框架,初定拟定每个DB储存4个类目的所有信息,每个DB的分支如下:

代码语言:javascript
复制
graph LR
DB库-->table表1
DB库-->table表2
DB库-->table表3
DB库-->table表4

其中DB库为年份命名,例如2016;table表为类目下的所有信息,命名为“年-月-日-时-分-秒一级类目名-二级类目名...”,例如2016-10-06-14-18-55-per-dog-A

数据库的搭建较为繁琐,需要从长计议。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016-10-06 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • SmartDo数据挖掘思路
    • 数据挖掘部分:
      • 数据储存部分:
        • 数据库的搭建较为繁琐,需要从长计议。
    相关产品与服务
    数据库
    云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档