{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑战：分析关于数据科学的文本\n",
"\n",
"> *在本笔记本中，我们尝试使用不同的URL——维基百科上关于机器学习的文章。你会发现，与数据科学不同，这篇文章包含了许多术语，这使得分析变得更加复杂。我们需要在完成关键词提取后，想出另一种方法来清理数据，以去除一些频繁但无意义的词组。*\n",
"\n",
"在这个例子中，让我们做一个简单的练习，涵盖传统数据科学流程的所有步骤。你不需要编写任何代码，只需点击下面的单元格来执行它们并观察结果。作为一个挑战，我们鼓励你尝试用不同的数据运行这些代码。\n",
"\n",
"## 目标\n",
"\n",
"在本节课中，我们讨论了与数据科学相关的不同概念。现在让我们通过**文本挖掘**来发现更多相关概念。我们将从一段关于数据科学的文本开始，从中提取关键词，然后尝试可视化结果。\n",
"\n",
"作为文本来源，我将使用维基百科上关于数据科学的页面：\n"
],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 2,
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'\r\n",
"url = 'https://en.wikipedia.org/wiki/Machine_learning'"
],
"outputs": [],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [
"## 第一步：获取数据\n",
"\n",
"数据科学流程的第一步是获取数据。我们将使用 `requests` 库来完成这一任务：\n"
],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 3,
"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",
"Machine learning - Wikipedia\n",
"