上海外国语大学语料分析工具开发简记

说明

机缘巧合，做了一个语料分析小工具，帮助汉语专业的学生批量导出数据，快速统计谓宾动词占比等，数据来源使用北京语言大学的bbc语料库（目前此语料库已转为北语校内使用，无法从校外访问）。

爬虫

写了一个小爬虫放到了自己服务器上，日夜兼程，将数万条数据存到了自己服务器的数据库里。

• 爬虫V1.0，简单分页爬取数据，得到数据后存到数据库内；部署后发现若快速访问北语语料库，对方网站很容易500，导致我的爬虫长时间宕机和重复爬取。
• 爬虫V1.1，设置定时，降低访问频率，添加任务断点和崩溃重启；部署后计算时间，发现需要20个小时才能爬取完成10w条数据，时间太长。
• 爬虫V2.0，开两个爬虫进程，每个进程开两个线程，爬虫完成或崩溃后发邮件提醒；部署后将爬取时间由20个小时缩减到了5个小时，一觉醒来爬取完毕。

阿里飞冰

第一次使用阿里飞冰组件库，发现很好用，写代码的过程很流畅，构建、打包编译效果都很好，这个脚手架还是很完善的，适合敏捷开发用，组件库的UI效果也很好。

页面截图

上海外国语大学语料分析工具开发简记

原文：https://www.cnblogs.com/bbman/p/12072303.html