在制作電子病歷全文索引時，需要建立索引，索引是根據(jù)索引詞建立的，現(xiàn)有索引詞匱乏，不能滿足需求，搜尋之后，發(fā)現(xiàn)搜狗輸入法的醫(yī)學(xué)詞庫很龐大，所以，想著自學(xué)寫一個Python腳本，完成詞庫的自動下載工作。

正文

分析參考資料代碼

通過分析代碼發(fā)現(xiàn)，思路是：

1. 獲取分類鏈接

2. 獲取該分類的分頁鏈接

3. 獲取該頁下載鏈接-->生成一個list

4. 通過list下載內(nèi)容

所需模塊知識補充

1、requests和BeautifulSoup模塊（分類、分頁、下載鏈接都涉及）

• 爬取網(wǎng)頁過程

• 獲取網(wǎng)頁數(shù)據(jù)-->requests模塊，并轉(zhuǎn)換成txt格式

• 解析數(shù)據(jù)-->BeautifulSoup模塊，txt轉(zhuǎn)換成bs對象

• 提取相關(guān)數(shù)據(jù)-->需要分析url找到想要的數(shù)據(jù)內(nèi)容，確定對應(yīng)的class_

• 舉例，小分類的全部鏈接可以在cate_words_list的table下面全部找到，所以提取整體內(nèi)容items = soup.find_all('table', class_='cate_words_list')

2、write模塊

總結(jié)

解析網(wǎng)頁和下載內(nèi)容部分進行了詳細(xì)解釋，針對如何將scel文件轉(zhuǎn)換成txt文件，這里先不做講解了（我也沒弄明白呢），下次有機會再給大家分析分析。

附贈代碼下載鏈接

我用夸克網(wǎng)盤分享了「搜狗詞庫的批量下載#Python」，點擊鏈接即可保存。打開「夸克APP」，無需下載在線播放視頻，暢享原畫5倍速，支持電視投屏。
鏈接：https://pan.quark.cn/s/2d42c4b3ee60
提取碼：dtp5

參考資料

1. Python 搜狗詞庫的批量下載（https://blog.csdn.net/Q_QuanTing/article/details/82698229）

本文使用 文章同步助手 同步