Web-scraping: сбор данных из баз данных и интернет-источников: различия между версиями
Строка 61: | Строка 61: | ||
* Практикум 3: обработка текста и облака слов ([https://github.com/allatambov/WebScrape24/blob/main/psy_practice03.ipynb читать], [https://www.dropbox.com/scl/fi/cts2wjrh0cunputc4iygq/psy_practice03.ipynb?rlkey=uymhp0jv8ydhmla4p52nybn05&dl=0 скачать]), решения ([https://github.com/allatambov/WebScrape24/blob/main/psy_practice03_solutions.ipynb читать], [https://www.dropbox.com/scl/fi/atclpm6d4bxm5kilg0f4t/psy_practice03_solutions.ipynb?rlkey=n0u5ec881tmp3b28cmz7j51pu&dl=0 скачать]). | * Практикум 3: обработка текста и облака слов ([https://github.com/allatambov/WebScrape24/blob/main/psy_practice03.ipynb читать], [https://www.dropbox.com/scl/fi/cts2wjrh0cunputc4iygq/psy_practice03.ipynb?rlkey=uymhp0jv8ydhmla4p52nybn05&dl=0 скачать]), решения ([https://github.com/allatambov/WebScrape24/blob/main/psy_practice03_solutions.ipynb читать], [https://www.dropbox.com/scl/fi/atclpm6d4bxm5kilg0f4t/psy_practice03_solutions.ipynb?rlkey=n0u5ec881tmp3b28cmz7j51pu&dl=0 скачать]). | ||
* Регулярные выражения в Python, извлечение кода JavaScript и обработка JSON-строк ([https://github.com/allatambov/WebScrape24/blob/main/psy-re-json.ipynb читать], [https://www.dropbox.com/scl/fi/trl1y9ge5b2wvr66qy7v2/psy-re-json.ipynb?rlkey=3h2z6uefvk4me2qp6prf8jw3o&dl=0 скачать]). | * Регулярные выражения в Python, извлечение кода JavaScript и обработка JSON-строк ([https://github.com/allatambov/WebScrape24/blob/main/psy-re-json.ipynb читать], [https://www.dropbox.com/scl/fi/trl1y9ge5b2wvr66qy7v2/psy-re-json.ipynb?rlkey=3h2z6uefvk4me2qp6prf8jw3o&dl=0 скачать]). | ||
+ | |||
+ | Дополнительно: | ||
+ | |||
+ | * [https://www.datacamp.com/tutorial/wordcloud-python Тьюториал] по построению облаков слов от DataCamp. | ||
+ | * [https://www.w3schools.com/python/python_regex.asp Тьюториал] по регулярным выражениям от w3schools. | ||
===Неделя 4. Введение в работу с API === | ===Неделя 4. Введение в работу с API === |
Версия 02:31, 9 февраля 2024
Это страница практикума «Web-scraping: сбор данных из баз данных и интернет-источников», читаемого на программе «Психология» в 2023/2024 учебном году.
Практические занятия ведёт: Тамбовцева Алла Андреевна.
Правила игры
- Формула оценки: 0.5 × ДЗ + 0.5 × Проект, программа курса.
- Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются.
- Форма для рассылки.
Среда для работы
Перед занятиями необходимо установить дистрибутив Anaconda (скачать можно здесь), который включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации данных, а также среду для работы Jupyter Notebook. Также есть возможность работать в Jupyter Notebook онлайн, используя ресурс Google Colab (для создания и редактирования файлов нужен аккаунт Gmail).
Подробности по установке и работе – см. ниже в неделе 0.
Материалы курса
Неделя 0. Напоминания про Python и Jupyter Notebook
Для подготовки к работе на курсе можно ознакомиться со следующими материалами онлайн-курса:
- Видео. Подготовка рабочего места, инструкция по открытию файлов в Jupyter Notebook.
- Видео. Первая программа, задачи для тренировки.
А также с материалами по работе в Jupyter Notebook и Google Colab:
- Запуск Jupyter без Anaconda Navigator (инструкция).
- Работа в Jupyter Notebook (видео), работа в Google Colab (видео).
Дополнительно:
- Набор текста в Jupyter (видео, ipynb).
- Markdown: больше про Markdown, знакомство с Jupyter Notebook и Markdown (читать, ipynb).
- LaTeX: Overleaf, документация, материалы других курсов по LaTeX.
Неделя 1. Язык HTML и его особенности. Знакомство с BeautifulSoup
- Язык HTML и его особенности: слайды, файл на codepen.
- Практикум 1 (читать, скачать), решения (читать, скачать).
- Практикум 2 (читать, скачать), решения (см. ниже в неделе 2).
Дополнительно:
Неделя 2. Парсинг с BeautifulSoup: поиск по тэгам и атрибутам
- Практикум 2: продолжение (читать, скачать), решения (читать, скачать).
- Обработка таблиц внутри HTML с BeautifulSoup и pandas (читать, скачать).
Дополнительно:
Неделя 3. Обработка текстовых данных и регулярные выражения
- Файлы к практикуму: данные nplus1_upd.csv, стоп-слова stop_words_russian.txt, картинка jpg.
- Практикум 3: обработка текста и облака слов (читать, скачать), решения (читать, скачать).
- Регулярные выражения в Python, извлечение кода JavaScript и обработка JSON-строк (читать, скачать).
Дополнительно:
Неделя 4. Введение в работу с API
- Практикум 4. Введение в работу с API на примере API Википедии (скачать).
Домашние задания
Домашнее задание | Дедлайн | Файлы |
---|---|---|
Домашнее задание 1 | 26.01 23:59 | ipynb |
Домашнее задание 2 | 05.02 23:59 | ipynb |
Домашнее задание 3 | ipynb | |
Домашнее задание 4 | ipynb | |
Домашнее задание 5 | ipynb | |
Домашнее задание 6 | ipynb | |
Домашнее задание 7 | ipynb |