demo_doc2sim_education.py demo_doc2sim_gaokao.py
各个文件的作用:
-
city.py
-
pre2mid.py 获取jzb.com 各个城市的主入口,返回各个城市的小升初的入口地址
-
page_url.py 获取小升初的问题列表页面(,每个城市多个列表)
-
ques_list.py 获取每个问题的具体入口地址
-
ques_ans.py 抓取问题和答案
总章程: 在 city.py 页面设置多进程,一个城市是一个进程,传入进程的参数是 url 和 城市的名字。
最终呈现:每个城市一个txt, 格式: question_url question subquestion answers 其中,由于有多个answer per question ,所以问题之间用特殊符号 ‘ ’