python网络爬虫-如何编写代码清洗数据

  到目前为止，咱们尚未处理过那些样式不规范的数据。咱们的处理方式要么是使用样式规范的数据源，要么是称帝放弃样式不符合咱们预期的数据。在网络数据采集中，因为错误的标点符号，大小写字母不一致，断行和拼写错误等问题，凌乱的数据（dirty data）是网络中的大问题。下面咱们将经过技术的手段，改变代码的编写方式，帮你从源头控制数据零乱的问题，而且对已经进入数据库的数据进行清洗。html   在语言学中

>>阅读原文<<