匯總整理一套Python網(wǎng)頁爬蟲，文本處理，科學(xué)計(jì)算，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的兵器譜。

1. Python網(wǎng)頁爬蟲工具集

一個(gè)真實(shí)的項(xiàng)目，一定是從獲取數(shù)據(jù)開始的。無論文本處理，機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，都需要數(shù)據(jù)，除了通過一些渠道購買或者下載的專業(yè)數(shù)據(jù)外，常常需要大家自己動(dòng)手爬數(shù)據(jù)，這個(gè)時(shí)候，爬蟲就顯得格外重要了，幸好，Python提供了一批很不錯(cuò)的網(wǎng)頁爬蟲工具框架，既能爬取數(shù)據(jù)，也能獲取和清洗數(shù)據(jù)，也就從這里開始了：

1.1 Scrapy

鼎鼎大名的Scrapy，相信不少同學(xué)都有耳聞，課程圖譜中的很多課程都是依靠Scrapy抓去的，這方面的介紹文章有很多，推薦大牛pluskid早年的一篇文章：《Scrapy 輕松定制網(wǎng)絡(luò)爬蟲》，歷久彌新。

官方主頁：http://scrapy.org/
Github代碼頁: https://github.com/scrapy/scrapy

1.2 Beautiful Soup

客觀的說，Beautifu Soup不完全是一套爬蟲工具，需要配合urllib使用，而是一套HTML / XML數(shù)據(jù)分析，清洗和獲取工具。

官方主頁：http://www.crummy.com/software/BeautifulSoup/

1.3 Python-Goose

Goose最早是用Java寫得，后來用Scala重寫，是一個(gè)Scala項(xiàng)目。Python-Goose用Python重寫，依賴了Beautiful Soup。前段時(shí)間用過，感覺很不錯(cuò)，給定一個(gè)文章的URL, 獲取文章的標(biāo)題和內(nèi)容很方便。

Github主頁：https://github.com/grangier/python-goose

2. Python文本處理工具集

從網(wǎng)頁上獲取文本數(shù)據(jù)之后，依據(jù)任務(wù)的不同，就需要進(jìn)行基本的文本處理了，譬如對(duì)于英文來說，需要基本的tokenize，對(duì)于中文，則需要常見的中文分詞，進(jìn)一步的話，無論英文中文，還可以詞性標(biāo)注，句法分析，關(guān)鍵詞提取，文本分類，情感分析等等。這個(gè)方面，特別是面向英文領(lǐng)域，有很多優(yōu)秀的工具包，我們一一道來。

2.1 NLTK — Natural Language Toolkit

搞自然語言處理的同學(xué)應(yīng)該沒有人不知道NLTK吧，這里也就不多說了。不過推薦兩本書籍給剛剛接觸NLTK或者需要詳細(xì)了解NLTK的同學(xué): 一個(gè)是官方的《Natural Language Processing with Python》，以介紹NLTK里的功能用法為主，同時(shí)附帶一些Python知識(shí)，同時(shí)國內(nèi)陳濤同學(xué)友情翻譯了一個(gè)中文版，這里可以看到：推薦《用Python進(jìn)行自然語言處理》中文翻譯-NLTK配套書；另外一本是《Python Text Processing with NLTK 2.0 Cookbook》，這本書要深入一些，會(huì)涉及到NLTK的代碼結(jié)構(gòu)，同時(shí)會(huì)介紹如何定制自己的語料和模型等，相當(dāng)不錯(cuò)。

官方主頁：http://www.nltk.org/
Github代碼頁：https://github.com/nltk/nltk

2.2 Pattern

Pattern由比利時(shí)安特衛(wèi)普大學(xué)CLiPS實(shí)驗(yàn)室出品，客觀的說，Pattern不僅僅是一套文本處理工具，它更是一套web數(shù)據(jù)挖掘工具，囊括了數(shù)據(jù)抓取模塊（包括Google, Twitter, 維基百科的API，以及爬蟲和HTML分析器），文本處理模塊（詞性標(biāo)注，情感分析等），機(jī)器學(xué)習(xí)模塊(VSM, 聚類，SVM）以及可視化模塊等，可以說，Pattern的這一整套邏輯也是這篇文章的組織邏輯，不過這里我們暫且把Pattern放到文本處理部分。我個(gè)人主要使用的是它的英文處理模塊Pattern.en, 有很多很不錯(cuò)的文本處理功能，包括基礎(chǔ)的tokenize, 詞性標(biāo)注，句子切分，語法檢查，拼寫糾錯(cuò)，情感分析，句法分析等，相當(dāng)不錯(cuò)。

官方主頁：http://www.clips.ua.ac.be/pattern

2.3 TextBlob: Simplified Text Processing

TextBlob是一個(gè)很有意思的Python文本處理工具包，它其實(shí)是基于上面兩個(gè)Python工具包NLKT和Pattern做了封裝（TextBlob stands on the giant shoulders of NLTK and pattern, and plays nicely with both），同時(shí)提供了很多文本處理功能的接口，包括詞性標(biāo)注，名詞短語提取，情感分析，文本分類，拼寫檢查等，甚至包括翻譯和語言檢測，不過這個(gè)是基于Google的API的，有調(diào)用次數(shù)限制。TextBlob相對(duì)比較年輕，有興趣的同學(xué)可以關(guān)注。 

官方主頁：http://textblob.readthedocs.org/en/dev/
Github代碼頁：https://github.com/sloria/textblob 

2.4 MBSP for Python

MBSP與Pattern同源，同出自比利時(shí)安特衛(wèi)普大學(xué)CLiPS實(shí)驗(yàn)室，提供了Word Tokenization, 句子切分，詞性標(biāo)注，Chunking, Lemmatization，句法分析等基本的文本處理功能，感興趣的同學(xué)可以關(guān)注。

官方主頁：http://www.clips.ua.ac.be/pages/MBSP

2.5 Gensim: Topic modeling for humans

Gensim是一個(gè)相當(dāng)專業(yè)的主題模型Python工具包，無論是代碼還是文檔，我們?cè)?jīng)用《如何計(jì)算兩個(gè)文檔的相似度》介紹過Gensim的安裝和使用過程，這里就不多說了。 

官方主頁：http://radimrehurek.com/gensim/index.html
github代碼頁：https://github.com/piskvorky/gensim 

2.6 langid.py: Stand-alone language identification system

語言檢測是一個(gè)很有意思的話題，不過相對(duì)比較成熟，這方面的解決方案很多，也有很多不錯(cuò)的開源工具包，不過對(duì)于Python來說，我使用過langid這個(gè)工具包，也非常愿意推薦它。langid目前支持97種語言的檢測，提供了很多易用的功能，包括可以啟動(dòng)一個(gè)建議的server，通過json調(diào)用其API，可定制訓(xùn)練自己的語言檢測模型等，可以說是“麻雀雖小，五臟俱全”。

Github主頁：https://github.com/saffsd/langid.py

2.7 Jieba: 結(jié)巴中文分詞

“結(jié)巴”中文分詞：做最好的Python中文分詞組件 “Jieba” (Chinese for “to stutter”) Chinese text segmentation: built to be the best Python Chinese word segmentation module.
好了，終于可以說一個(gè)國內(nèi)的Python文本處理工具包了：結(jié)巴分詞，其功能包括支持三種分詞模式（精確模式、全模式、搜索引擎模式），支持繁體分詞，支持自定義詞典等，是目前一個(gè)非常不錯(cuò)的Python中文分詞解決方案。

Github主頁：https://github.com/fxsjy/jieba

3. Python科學(xué)計(jì)算工具包

說起科學(xué)計(jì)算，大家首先想起的是Matlab，集數(shù)值計(jì)算，可視化工具及交互于一身，不過可惜是一個(gè)商業(yè)產(chǎn)品。開源方面除了GNU Octave在嘗試做一個(gè)類似Matlab的工具包外，Python的這幾個(gè)工具包集合到一起也可以替代Matlab的相應(yīng)功能：NumPy+SciPy+Matplotlib+iPython。同時(shí)，這幾個(gè)工具包，特別是NumPy和SciPy，也是很多Python文本處理 & 機(jī)器學(xué)習(xí) & 數(shù)據(jù)挖掘工具包的基礎(chǔ)，非常重要。最后再推薦一個(gè)系列《用Python做科學(xué)計(jì)算》，將會(huì)涉及到NumPy, SciPy, Matplotlib，可以做參考。

3.1 NumPy

NumPy幾乎是一個(gè)無法回避的科學(xué)計(jì)算工具包，最常用的也許是它的N維數(shù)組對(duì)象，其他還包括一些成熟的函數(shù)庫，用于整合C/C++和Fortran代碼的工具包，線性代數(shù)、傅里葉變換和隨機(jī)數(shù)生成函數(shù)等。NumPy提供了兩種基本的對(duì)象：ndarray（N-dimensional array object）和 ufunc（universal function object）。ndarray是存儲(chǔ)單一數(shù)據(jù)類型的多維數(shù)組，而ufunc則是能夠?qū)?shù)組進(jìn)行處理的函數(shù)。

官方主頁：http://www.numpy.org/

3.2 SciPy：Scientific Computing Tools for Python

“SciPy是一個(gè)開源的Python算法庫和數(shù)學(xué)工具包，SciPy包含的模塊有最優(yōu)化、線性代數(shù)、積分、插值、特殊函數(shù)、快速傅里葉變換、信號(hào)處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計(jì)算。其功能與軟件MATLAB、Scilab和GNU Octave類似。 Numpy和Scipy常常結(jié)合著使用，Python大多數(shù)機(jī)器學(xué)習(xí)庫都依賴于這兩個(gè)模塊?！薄?引用自“Python機(jī)器學(xué)習(xí)庫”

官方主頁：http://www.scipy.org/

3.3 Matplotlib

matplotlib 是python最著名的繪圖庫，它提供了一整套和matlab相似的命令A(yù)PI，十分適合交互式地進(jìn)行制圖。而且也可以方便地將它作為繪圖控件，嵌入GUI應(yīng)用程序中。Matplotlib可以配合ipython shell使用，提供不亞于Matlab的繪圖體驗(yàn)，總之用過了都說好。

官方主頁：http://matplotlib.org/

4. Python 機(jī)器學(xué)習(xí) & 數(shù)據(jù)挖掘 工具包

機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘這兩個(gè)概念不太好區(qū)分，這里就放到一起了。這方面的開源Python工具包有很多，這里先從熟悉的講起，再補(bǔ)充其他來源的資料，也歡迎大家補(bǔ)充。

4.1 scikit-learn: Machine Learning in Python

首先推薦大名鼎鼎的scikit-learn，scikit-learn是一個(gè)基于NumPy, SciPy, Matplotlib的開源機(jī)器學(xué)習(xí)工具包，主要涵蓋分類，回歸和聚類算法，例如SVM， 邏輯回歸，樸素貝葉斯，隨機(jī)森林，k-means等算法，代碼和文檔都非常不錯(cuò)，在許多Python項(xiàng)目中都有應(yīng)用。例如在我們熟悉的NLTK中，分類器方面就有專門針對(duì)scikit-learn的接口，可以調(diào)用scikit-learn的分類算法以及訓(xùn)練數(shù)據(jù)來訓(xùn)練分類器模型。

官方主頁：http://scikit-learn.org/

4.2 Pandas: Python Data Analysis Library

Pandas也是基于NumPy和Matplotlib開發(fā)的，主要用于數(shù)據(jù)分析和數(shù)據(jù)可視化，它的數(shù)據(jù)結(jié)構(gòu)DataFrame和R語言里的data.frame很像，特別是對(duì)于時(shí)間序列數(shù)據(jù)有自己的一套分析機(jī)制，非常不錯(cuò)。這里推薦一本書《Python for Data Analysis》，作者是Pandas的主力開發(fā)，依次介紹了iPython, NumPy, Pandas里的相關(guān)功能，數(shù)據(jù)可視化，數(shù)據(jù)清洗和加工，時(shí)間數(shù)據(jù)處理等，案例包括金融股票數(shù)據(jù)挖掘等，相當(dāng)不錯(cuò)。

官方主頁：http://pandas.pydata.org/

4.3 mlpy – Machine Learning Python

官方主頁：http://mlpy.sourceforge.net/

4.4 PyBrain

“PyBrain(Python-Based Reinforcement Learning, Artificial Intelligence and Neural Network)是Python的一個(gè)機(jī)器學(xué)習(xí)模塊，它的目標(biāo)是為機(jī)器學(xué)習(xí)任務(wù)提供靈活、易應(yīng)、強(qiáng)大的機(jī)器學(xué)習(xí)算法。（這名字很霸氣）

PyBrain正如其名，包括神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)(及二者結(jié)合)、無監(jiān)督學(xué)習(xí)、進(jìn)化算法。因?yàn)槟壳暗脑S多問題需要處理連續(xù)態(tài)和行為空間，必須使用函數(shù)逼近(如神經(jīng)網(wǎng)絡(luò))以應(yīng)對(duì)高維數(shù)據(jù)。PyBrain以神經(jīng)網(wǎng)絡(luò)為核心，所有的訓(xùn)練方法都以神經(jīng)網(wǎng)絡(luò)為一個(gè)實(shí)例。”

4.5 Theano 

“Theano 是一個(gè) Python 庫，用來定義、優(yōu)化和模擬數(shù)學(xué)表達(dá)式計(jì)算，用于高效的解決多維數(shù)組的計(jì)算問題。Theano的特點(diǎn)：緊密集成Numpy；高效的數(shù)據(jù)密集型GPU計(jì)算；高效的符號(hào)微分運(yùn)算；高速和穩(wěn)定的優(yōu)化；動(dòng)態(tài)生成c代碼；廣泛的單元測試和自我驗(yàn)證。自2007年以來，Theano已被廣泛應(yīng)用于科學(xué)運(yùn)算。theano使得構(gòu)建深度學(xué)習(xí)模型更加容易，可以快速實(shí)現(xiàn)多種模型。PS：Theano，一位希臘美女，Croton最有權(quán)勢的Milo的女兒，后來成為了畢達(dá)哥拉斯的老婆?！?/p>

4.6  Pylearn2

“Pylearn2建立在theano上，部分依賴scikit-learn上，目前Pylearn2正處于開發(fā)中，將可以處理向量、圖像、視頻等數(shù)據(jù)，提供MLP、RBM、SDA等深度學(xué)習(xí)模型?！?/p>

官方主頁：http://deeplearning.net/software/pylearn2/

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論