采集免费文章网站(如何采集免费文章网站的数据，并且拿来做机器学习)

　　采集免费文章网站(如何采集免费文章网站的数据，并且拿来做机器学习)

　　采集免费文章网站的数据，并且拿来做机器学习。个人看好网站爬虫这方面的工作。同样文章内容，可以拿到手机，搜索引擎爬取结果是抓取的网站结果，所以安全性差一些，也有可能被诈骗，但影响并不大，因为要经过网站，如果要用python3。也可以使用搜狗，360，谷歌这些搜索引擎，可以抓取并且搜索引擎会定期把结果发布在页面上，从页面会扒取数据，个人觉得还是挺有用的。

　　学习爬虫可以先从爬虫入手，从链接发*敏*感*词*旭亮老师在编程之道这本书里，推荐的网30天网站结构，研究那些网站有header的地方，了解爬虫是怎么一个过程，主要工作是采集哪些页面，采集多少页面，在哪些链接上抓取。除了爬虫之外，可以学习cookie操作，比如登录网站需要登录后才能访问该网站的所有页面，爬虫就需要对爬取的页面进行app消费，给这些页面每个header绑定cookie。

　　以上的爬虫只是一个链接分析的角度，还可以从数据获取角度切入。比如爬取金融网站需要看到页面头部最近有过更新，或者前端有多余的数据可以用于接口调用，学习数据爬取才更有价值。

　　可以试试去实战，具体看我学习的学习路线，

　　excel里可以，老铁也看个人自学能力。