{ "cells": [ { "cell_type": "markdown", "source": [ "# စိန်မှု: ဒေတာဆိုင်ရာသိပ္ပံအကြောင်းစာသားကိုခွဲခြမ်းစိတ်ဖြာခြင်း\n", "\n", "ဤဥပမာတွင် ခေတ်မီသော ဒေတာဆိုင်ရာသိပ္ပံ လုပ်ငန်းစဉ်၏ ဆက်တိုက်ခြေလှမ်းများအားလုံး ဖုံးလွှမ်းသည့် ရိုးရှင်းသောလေ့ကျင့်မှုတစ်ခုကို ကျွန်ုပ်တို့ပြုလုပ်ပါမည်။ သင်သည် ကုဒ်မရေးရပါဘူး၊ အောက်ပါဆဲလ်များကိုသာနှိပ်ပြီး အကောင်အထည်ဖော်၍ ရလဒ်ကို ကြည့်ရှုနိုင်ပါသည်။ စိန်ခေါ်မှုအနေဖြင့် သင်သည် ဤကုဒ်ကို ကွဲပြားသော ဒေတာဖြင့် စမ်းသပ်ကြည့်ရန် အားပေးလိုက်ပါသည်။\n", "\n", "## ရည်မှန်းချက်\n", "\n", "ဤသင်ခန်းစာတွင် ကျွန်ုပ်တို့သည် ဒေတာဆိုင်ရာသိပ္ပံနှင့်ဆက်နွယ်သည့် အသိပညာအမျိုးမျိုးကို ဆွေးနွေးခဲ့ကြပါသည်။ နောက်ထပ် ဆက်နွယ်သည့် အကြောင်းအရာများကို ရှာဖွေရန် **စာသားသိမ်းဆည်းခြင်း (text mining)** ပြုလုပ်ကြည့်မည်။ ဒေတာဆိုင်ရာသိပ္ပံအကြောင်းစာသားတစ်ခုကို စတင်ယူပြီး၊ ထိုမှ စကားလုံးအသီးသီးအား ရွေးချယ်၍ ဖော်ပြမည်။\n", "\n", "စာသားအနေဖြင့် Wikipedia ကဒေတာဆိုင်ရာသိပ္ပံ စာမျက်နှာကို အသုံးပြုပါမည်။\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 62, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## အဆင့် ၁: ဒေတာရယူခြင်း\n", "\n", "ဒေတာ ဆိုင်ရာသိပ္ပံလုပ်ငန်းစဉ်တိုင်းတွင် ပထမဆုံး အဆင့်မှာ ဒေတာကို ရယူခြင်း ဖြစ်သည်။ ကျွန်ုပ်တို့သည် `requests` စာကြည့်တိုက်ကို အသုံးပြု၍ ထိုလုပ်ဆောင်မှုကို ပြုလုပ်မည်ဖြစ်သည်။\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 63, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Data science - Wikipedia\n", "