从电子表格读取数据并用python构建矩阵

Question

有没有办法让python“读取”文档，排除不必要的元素并构建1和0的邻接矩阵？我有一个电子表格，有500个访问过的页面，包括链接、大纲链接和悬挂页面（需要从搜索中排除）

我想到了一个粗糙的伪代码，看起来像这样：

for each visited page vp
 for each outlink of vp
  if link relative
   revolve link
  if ink to visited page
  write 1
  else
 if link dangling
  ignore it
 else
   write 0

有没有可能在Python中实现这个想法？或者使用Matlab或R会更有用

爬网程序结果链接： http://www.dcs.bbk.ac.uk/~martin/sewn/ls3/sewn_2016_labsheet_3_full_crawl.txthttp://www.dcs.bbk.ac.uk/~martin/sewn/ls3/sewn_2016_labsheet_3_full_crawl.xlsx

Answer 1

有没有办法让python“读取”文档，排除不必要的元素并构建1和0的邻接矩阵

是的

请参阅https://docs.python.org/2/tutorial/inputoutput.html

开始打开和阅读文档的最简单方法：

f = open('workfile', 'r')
fileLines = f.readlines()

#do something with your lines
#properly adapt your pseudocode to
#the extracted data

f.close()

你剩下的问题超出范围了