《数据采集技术》课件-初识数据采集_第1页
《数据采集技术》课件-初识数据采集_第2页
《数据采集技术》课件-初识数据采集_第3页
《数据采集技术》课件-初识数据采集_第4页
《数据采集技术》课件-初识数据采集_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

初识数据采集Contents知识目标掌握数据采集的定义、范围技能目标熟悉数据采集的流程素养目标培养良好的信息素养和道德意识初识数据采集数据采集，又称数据获取，是利用一种程序或装置从系统外部采集数据，经过数据清洗，最终输入到存储系统中。定义特点将大量的信息自动获取并整合为有价值的数据，大大提高工作效率。通过程序自动获取信息，避免人工操作中出现的错误。实时监控信息更新情况，保证所采集到的数据是最新的。高效性准确性实时性初识数据采集数据的类型（从结构上区分）结构化数据指具有固定字段和格式的数据。半结构化数据指具有一定结构，但字段和格式不固定的数据。非结构化数据指没有固定字段和格式的数据。数据库中的表格CSV文件JSONXMLCSV文本图像音频视频初识数据采集数据的类型（从来源上区分）业务数据行业数据线上行为数据线下行为数据内容数据思考采集范围采集流程采集方法？数据采集范围数据库采集关系型数据库、NoSQL数据库。系统日志采集离线大数据分析系统、在线大数据分析系统。满足高可用性、高可靠性、高可拓展性。网络数据采集通过网络爬虫或者网站公开API等方式从网站上获取数据信息的过程。将非结构化数据、半结构化数据从网页中提取出来。感知设备数据采集通过传感器、摄像头和其他智能终端自动采集信号、图片或录像来获取数据。对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理。采集流程（多领域范围）（验证、拆分、过滤）（灵活、合理）数据采集数据清洗数据存储数据清洗指发现并纠正数据文件中可识别的错误的最后一道程序。检查数据一致性处理无效值和缺失值包括：采集流程网页爬取的采集流程1.网页抓取2.数据提取3.数据存储采集流程网页爬取的采集流程1.网页抓取主要目的是通过网络请求获取网页的原始内容。网页发送HTTP请求获取HTML代码常用的Python库，如Requests、urllib等。2.数据提取3.数据存储爬虫需要设置合理的请求头为了避免对目标网站造成过大的压力或被封禁，可以设置合适的请求间隔、使用代理IP等。采集流程网页爬取的采集流程1.网页抓取网络爬虫的核心环节2.数据提取3.数据存储网页提取出有用的数据常见提取方式包括正则表达式、XPath、CSS选择器等。爬虫采集流程网页爬取的采集流程1.网页抓取目的是将抓取到的数据保存下来，以备后续的分析和应用。2.数据提取3.数据存储网页数据保存常见的数据存储方式包括文件存储、数据库存储等。爬虫采集流程采集搜索类日志数据涉及以下步骤：1.数据源确定2.日志配置3.数据筛选4.数据转换5.数据存储本讲小结123数据采集的定义、类型数据采集的流程数据采集的方法思政意识提升我国在抗击疫情的严峻斗争中所表现出的制度优势、大国担当，以及大数据在疫情监测分析、人员管控、医疗救治、复工复产等方面发挥了巨大作用，我们要厚植家国情怀，铸牢中华民族共同体意识。课后作业使用八爪鱼采集器采集任一网址数据，了解什么是数据采集、数据采集的流程和方

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论