Tips

如果是项目问题，请提issue。
如果涉及到不方便公开的，请发邮件。

开源web知识图谱项目

爬取百度百科中文页面
抽取100W+个三元组
构建中文知识图谱

环境

python 3.6
requests:网络请求
re:url正则匹配
bs4:网页解析
pickle:进度保存
threading:多线程
neo4j:知识图谱图数据库,安装可以参考链接
pip install neo4j-driver：neo4j python驱动

代码目錄

spider/ 抓取原始网页
ie/ 从网页中解析正文，从正文中抽取结构化信息
kg/ 抽取三元組，存入neo4j数据库

代码执行顺序：

python spider/spider_main.py
python ie/extract-para.py
python ie/extract-table.py
python kg/build-triple-from-table.py
python kg/insert_to_neo4j.py

知识图谱效果图