◆胡文利 劉雷

Python數(shù)據(jù)爬取在高職高專院校中的教學(xué)思考研究

◆胡文利 劉雷

（江西工業(yè)職業(yè)技術(shù)學(xué)院 江西 330039）

Python爬蟲工具是一種全新的計算機程序，近年來被廣泛應(yīng)用到各個領(lǐng)域，在高職高專院校教學(xué)的過程中，可以利用Python數(shù)據(jù)爬取，在學(xué)習(xí)平臺中挖掘數(shù)據(jù)，充分利用學(xué)習(xí)法平臺中大量的數(shù)據(jù)。此外，高職院校人才培養(yǎng)以就業(yè)為主要目標，將Python爬蟲工具應(yīng)用到高職職位篩選中，能夠幫助學(xué)生第一時間篩選出自己心儀的崗位，有助于提升高職就業(yè)率。高職學(xué)生就業(yè)前夕，院校要組織學(xué)生做好市場調(diào)研，尤其是在網(wǎng)絡(luò)信息時代背景下，招聘網(wǎng)站成為學(xué)生獲取招聘市場信息最為便捷的途徑，為了在海量的招聘信息中篩選出有價值的信息內(nèi)容，學(xué)生可以應(yīng)用Python爬蟲工具，在這種全新的數(shù)據(jù)分析語言下，學(xué)生可以輕松簡單的掌握，并靈活獲取有價值的信息，提升高職院校學(xué)生就業(yè)質(zhì)量與效率。

Python爬蟲工具；高職高專；就業(yè)支持

在信息時代背景下，云計算技術(shù)、互聯(lián)網(wǎng)技術(shù)、物聯(lián)網(wǎng)技術(shù)對我們的生活與工作帶來了極大的變化，社會各個領(lǐng)域都受到大數(shù)據(jù)技術(shù)的影響。教育領(lǐng)域也不例外，每天都會產(chǎn)生大量的教育數(shù)據(jù)，來源也各不相同。網(wǎng)絡(luò)爬蟲工具就是其中之一，靈活熟練的應(yīng)用Python爬蟲工具對高職院校教育教學(xué)發(fā)展有積極推動作用。

1 Python爬蟲工具

Python爬蟲工具具有面向?qū)ο蠼忉屝缘奶攸c，是一種新型的計算機程序語言，雖然其誕生時間并不長，但能夠與經(jīng)典的C、C++語言聯(lián)結(jié)應(yīng)用，具有語法簡潔、標準庫豐富、第三方庫強大的特點，且容易擴展。Python已經(jīng)出現(xiàn)逐漸取代其他計算機編程語言的趨勢，是當前常被應(yīng)用的網(wǎng)絡(luò)爬蟲與機器學(xué)習(xí)工具。大數(shù)據(jù)技術(shù)滲透到教育領(lǐng)域后，促進了教育信息化發(fā)展，教育數(shù)據(jù)搜集方式也發(fā)生了全新的變化，在Python爬蟲工具的支持下，獲取網(wǎng)絡(luò)教育數(shù)據(jù)的速度變得越來越快，途徑也變得愈發(fā)便捷。同時也考驗了對計算機語言使用的熟練程度。面對海量的教育數(shù)據(jù)，如何從中獲取對自身最有價值、最為所需的信息是每個高職高專教育工作者都要考慮的問題。網(wǎng)絡(luò)爬蟲會根據(jù)預(yù)先制定好的規(guī)則，自主抓取萬維網(wǎng)信息的一種腳本或程序，常被人成為網(wǎng)絡(luò)蜘蛛與網(wǎng)絡(luò)機器人。Python爬蟲工具主要類型有：通用網(wǎng)絡(luò)爬蟲、聚焦網(wǎng)絡(luò)爬蟲、增量式網(wǎng)絡(luò)爬蟲、深層網(wǎng)絡(luò)爬蟲，在實踐應(yīng)用的過程中，會將幾種爬蟲技術(shù)綜合應(yīng)用。在當前背景下，單純應(yīng)用搜索引擎已經(jīng)無法及時、精準獲取我們需要的信息內(nèi)容，在網(wǎng)絡(luò)信息爆炸的年代，還會在搜索的同時附帶出大量的廣告信息，Python爬蟲工具的誕生，可以有效解決這一問題。

2 以Python技術(shù)為基礎(chǔ)對數(shù)據(jù)學(xué)習(xí)平臺進行挖掘

近年來我國高職高中專院校陸續(xù)應(yīng)用線上學(xué)習(xí)平臺進行教學(xué)，降低了教學(xué)難度便于教師教學(xué)及學(xué)生學(xué)習(xí)。在大數(shù)據(jù)技術(shù)支持下，在線學(xué)習(xí)平臺中積累了大量的數(shù)據(jù)信息，但高職高專院校在線學(xué)習(xí)平臺中積累的數(shù)據(jù)信息并沒有充分發(fā)揮出有效的作用與價值。追其根本原因主要體現(xiàn)在以下幾個方面：第一，絕大多數(shù)高職高專院校的線上教學(xué)平臺，都是經(jīng)軟件公司開發(fā)的，教師對教學(xué)平臺的數(shù)據(jù)庫結(jié)構(gòu)并不了解，數(shù)據(jù)挖掘效果并不理想。第二，從學(xué)習(xí)平臺現(xiàn)狀分析來看，在設(shè)計方面存在一定的不足之處，后續(xù)數(shù)據(jù)挖掘難以有效進行，沒有將一些關(guān)鍵的字段存入其中，使積累的數(shù)據(jù)無法進行數(shù)據(jù)挖掘，效果也十分不理想。第三，很多高職高專院校的數(shù)據(jù)挖掘軟硬件有待更新，數(shù)據(jù)挖掘需要從海量的數(shù)據(jù)信息中獲取未知的、可理解可操作的信息。Python是一種對對象進行解釋的程序設(shè)計語言，其具備操作簡潔、容易應(yīng)用的特點，能夠跨平臺運行，近年來得以廣泛應(yīng)用并積累了豐富的開源程序庫。機器學(xué)習(xí)使計算機程序有針對性地完成特定任務(wù)不斷積累經(jīng)驗，從而提升質(zhì)量與效率。眾多高職高專院校都陸續(xù)應(yīng)用機器學(xué)習(xí)，而深度學(xué)習(xí)屬于機器學(xué)習(xí)的一部分，近年來也逐漸受到人們的重視與關(guān)注，尤其是在信息技術(shù)與互聯(lián)網(wǎng)技術(shù)高速發(fā)展的時代背景下。在視覺識別、語音識別及自然語言處理方面，深度學(xué)習(xí)都發(fā)揮了廣泛的作用與應(yīng)用價值。

（1）學(xué)習(xí)平臺的數(shù)據(jù)

高職高專院校學(xué)習(xí)平臺中的數(shù)據(jù)主要分為兩類，一類是存儲在數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)，還有一類是存儲在文件系統(tǒng)中的非結(jié)構(gòu)化數(shù)據(jù)。其中結(jié)構(gòu)化數(shù)據(jù)以平臺中的結(jié)構(gòu)化數(shù)據(jù)，主要包括學(xué)生信息表、教師信息表、考試信息表、課程信息表、知識點信息表等。非結(jié)構(gòu)化數(shù)據(jù)主要包括教學(xué)視頻、PPT 、word文檔等。這些教學(xué)材料有圖片有視頻生動形象，備受學(xué)生喜愛，是當前學(xué)習(xí)平臺中主要的教學(xué)載體。需要注意的是每個視頻播放時間不宜過長，確保學(xué)生能夠集中注意力。在每段視頻中設(shè)置一個知識點，直接用知識點的名稱命名視頻方便師生查詢與應(yīng)用。在課程更新的過程中，短視頻發(fā)揮了有效的作用能夠?qū)⒄n程內(nèi)容的知識點直接呈現(xiàn)給學(xué)生，學(xué)習(xí)平臺的文件系統(tǒng)中不僅有短視頻，學(xué)習(xí)資料還包括教師上傳的各種附件如PPT 、word等文檔。

（2）數(shù)據(jù)挖掘的目的與技術(shù)途徑

在學(xué)習(xí)平臺班級中的學(xué)生學(xué)習(xí)的內(nèi)容是相同的，并沒有根據(jù)學(xué)生的具體情況，設(shè)置有針對性的學(xué)習(xí)服務(wù)。將數(shù)據(jù)挖掘應(yīng)用到學(xué)習(xí)平臺中，其目的是根據(jù)學(xué)生的個體情況為學(xué)生匹配相應(yīng)的學(xué)習(xí)資源，從而有針對性地提供學(xué)習(xí)服務(wù)達到因材施教的目的。此前要對學(xué)生及其學(xué)習(xí)信息進行分析與挖掘，掌握學(xué)生的喜好及具體的學(xué)習(xí)情況，進而開展學(xué)習(xí)資源挖掘分析活動，自動為學(xué)生進行學(xué)習(xí)資源匹配，滿足學(xué)生的學(xué)習(xí)需求與個性特點，為教師篩選出適合其教學(xué)課程的學(xué)生。結(jié)構(gòu)化數(shù)據(jù)的特點是以表格形式組織，列表示了不同的特點，行表示了不同的樣本，在對結(jié)構(gòu)化數(shù)據(jù)進行分類與分析時，通常會應(yīng)用機器學(xué)習(xí)中的決策數(shù)的計算方式，其中最具代表性的是梯度提升決算方式，此種決策算法優(yōu)勢在于能夠處理非歸一化的數(shù)據(jù)。卷積神經(jīng)網(wǎng)絡(luò)也是深度學(xué)習(xí)中常備應(yīng)用的一種技術(shù)手段，其優(yōu)勢在于對圖像等數(shù)據(jù)的處理，循環(huán)神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于處理時間等序列數(shù)據(jù)。深度學(xué)習(xí)不僅在性能方面具有明顯的優(yōu)勢，而且能夠?qū)崿F(xiàn)自動化的方式提取特征。與以往傳統(tǒng)機器學(xué)習(xí)相比，無需進行人工提取操作環(huán)節(jié)問題變得更加清晰可見，應(yīng)用深度學(xué)習(xí)可以從感知數(shù)據(jù)中提取出人們所需的所有信息。

（3）結(jié)構(gòu)化數(shù)據(jù)挖掘

應(yīng)用 Stick learn學(xué)習(xí)平臺的結(jié)構(gòu)化數(shù)據(jù)實施機器學(xué)習(xí)，要依次按照步驟進行操作。如數(shù)據(jù)采集與標記、數(shù)據(jù)清洗、特征選擇、模型訓(xùn)練與測試、模型選擇模型使用等。而模型訓(xùn)練與測試通常需要大量的計算，在進行訓(xùn)練的過程中要耗費較長的時間，完成模型測試內(nèi)容后輸入全新的樣本，對模型進行調(diào)試便可得到最終的結(jié)果，再對結(jié)果進行解釋與應(yīng)用。在機器學(xué)習(xí)模式下能夠?qū)W(xué)生進行聚類分析，有助于教師根據(jù)學(xué)生的具體情況與類別設(shè)計出不同的教學(xué)對策。實施知識點評論數(shù)據(jù)與課程評論數(shù)據(jù)分類有助于對教學(xué)進行持續(xù)優(yōu)化與改進，根據(jù)學(xué)生對知識內(nèi)容的掌握情況預(yù)測出學(xué)生最終的考試結(jié)果，指引學(xué)生調(diào)整學(xué)習(xí)方法。

（4）非結(jié)構(gòu)化數(shù)據(jù)挖掘

在對學(xué)習(xí)平臺中的非結(jié)構(gòu)化數(shù)據(jù)進行深度學(xué)習(xí)時應(yīng)用Keras作為技術(shù)支持，并用 TensorFlow作為后端引擎。在進行深度學(xué)習(xí)前，先要確定明確的方向開展數(shù)據(jù)收集工作，確定評估目標成功的具體方法。為了在神經(jīng)網(wǎng)絡(luò)處理過程中確保原數(shù)據(jù)的適用性，需要預(yù)先對數(shù)據(jù)進行向量化標準化及缺失值等處理。在構(gòu)建模型時，經(jīng)常會應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)分析文本數(shù)據(jù)與音頻數(shù)據(jù)，在對圖像數(shù)據(jù)進行分析時，通常會應(yīng)用二維卷積神經(jīng)網(wǎng)絡(luò)。在對視頻數(shù)據(jù)進行分析時，通常會應(yīng)用三維卷積神經(jīng)網(wǎng)絡(luò)，并且不斷對參數(shù)進行調(diào)節(jié)，對模型進行不斷優(yōu)化與改進。在神經(jīng)網(wǎng)絡(luò)中輸入全新的樣本便可以得到最終的結(jié)果，然后解釋結(jié)果并應(yīng)用結(jié)果。在深度學(xué)習(xí)模式下，會以課程視頻中的視頻或音頻信息為基礎(chǔ)，自動生成視頻相關(guān)的文字介紹。以相關(guān)內(nèi)容為基礎(chǔ)，對學(xué)習(xí)資源進行類別劃分，可以自動理解并回答問題，還可以自動生成學(xué)習(xí)資料，將學(xué)習(xí)平臺中結(jié)構(gòu)化數(shù)據(jù)的挖掘結(jié)果與非結(jié)構(gòu)化數(shù)據(jù)的挖掘結(jié)果有機結(jié)合，能夠幫助教師找到適合其所授課程的學(xué)生，并且能夠為學(xué)生匹配出適合其學(xué)情與特點的學(xué)習(xí)資源，從而提升教學(xué)的針對性。

2 Python爬蟲工具搜取招聘信息

以高職高專院校學(xué)生最常使用的招聘網(wǎng)站為例，對地點在“杭州”的招聘崗位“計算機、互聯(lián)網(wǎng)、通信”為例。在招聘網(wǎng)站中使用Python數(shù)據(jù)爬取的方式，獲取相關(guān)的崗位招聘信息。具體操作程序：

這組代碼是通過循環(huán)語句，連續(xù)構(gòu)成類似的URL，讓計算機系統(tǒng)能夠?qū)W(wǎng)頁進行自動訪問，在代碼的支持下，使其自動運行，從而能夠在招聘網(wǎng)站中獲取批量信息，在Python中re模塊的作用下，通過正則表達式從中過濾出為自己所用的數(shù)據(jù)信息。但是很多網(wǎng)站已經(jīng)采取了相應(yīng)的對策，使爬蟲軟件不再奏效，利用Python軟件在招聘網(wǎng)上挖掘信息，并對崗位信息中的分詞進行處理，統(tǒng)計分詞出現(xiàn)頻率，了解崗位的熱門度。以搜集計算機、互聯(lián)網(wǎng)、通信相關(guān)崗位為例，能夠了解到其中被提到最多的三個詞分別是：運營182、媒體60、網(wǎng)絡(luò)22，可見在杭州地區(qū)計算機類崗位需求量最大的是運營相關(guān)崗位，能夠占所有崗位的五分之一以上，媒體類的崗位緊隨其后，可見在信息技術(shù)高速發(fā)展的時代背景下，信息類人才十分緊缺，已經(jīng)從原有單純的技術(shù)類崗位轉(zhuǎn)變?yōu)榧夹g(shù)與服務(wù)相結(jié)合的崗位，如媒體傳播、數(shù)據(jù)維護、運營管理等，在對崗位提出具體要求的基礎(chǔ)上，利用Python數(shù)據(jù)爬取工具進行同頻統(tǒng)計得知，排在前三的詞語為：溝通、管理、經(jīng)驗，當前計算機專業(yè)人才不僅要具備專業(yè)技術(shù)，還要具備良好的溝通能力與項目管理能力。

3 結(jié)束語

綜上所述，利用Python工具能夠高職高專院校學(xué)習(xí)平臺的數(shù)據(jù)進行有效挖掘，匹配最佳的學(xué)習(xí)課程與學(xué)習(xí)資料。Python工具對招聘網(wǎng)站的信息進行分析與獲取，能夠幫助高職高專院校學(xué)生掌握最新的招聘動態(tài)，便于學(xué)校第一時間掌握市場對計算機人才的需求，進而有針對性地對學(xué)生進行培養(yǎng)，設(shè)置有利于學(xué)生日后求職的課程。在為學(xué)生指明就業(yè)方向的同時，能夠為院校教育教學(xué)提供有效的參考。

[1]王世純，許新華，張洪春，等. 個體差異對Python爬蟲獲取教育大數(shù)據(jù)的影響研究[J]. 中國教育信息化，2018，000（005）：79-81.

[2]艾沛鈺，閆麗. 基于Python的互聯(lián)網(wǎng)數(shù)據(jù)爬取與解析的研究與實踐[J]. 信息與電腦（理論版），2019（17）.

大數(shù)據(jù)時代下基于Python的高職教育信息爬取與數(shù)據(jù)分析（類型：一般項目，編號：GJJ191677）