?很多人学习python，不知道从何学起。

很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。

很多已经做案例的人，却不知道如何去学习更加高深的知识。

那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！

QQ群：1097524789

如果你仔细观察，就不难发现，懂爬虫、学习爬虫的人越来越多，一方面，互联网可以获取的数据越来越多，另一方面，像 Python这样的编程语言提供越来越多的优秀工具，让爬虫变得简单、容易上手。

?

对于小白来说，爬虫可能是一件非常复杂、技术门槛很高的事情。比如有的人认为学爬虫必须精通 Python，然后哼哧哼哧系统学习 Python 的每个知识点，很久之后发现仍然爬不了数据；有的人则认为先要掌握网页的知识，遂开始 HTMLCSS，结果入了前端的坑，瘁……

但掌握正确的方法，在短时间内做到能够爬取主流网站的数据，其实非常容易实现。但建议你从一开始就要有一个具体的目标，你要爬取哪个网站的哪些数据，达到什么量级。

那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。这里给你一条平滑的、零基础快速入门的学习路径。

1.学习Python包并实现基本的爬虫过程

2.掌握各种技巧，应对特殊网站的反爬措施

3.学习scrapy，搭建工程化爬虫

4.学习数据库知识，应对大规模数据存储与提取

5.分布式爬虫，实现大规模并发采集

?

?

当然，爬虫过程中也会经历一些绝望，比如被封IP、比如各种奇怪的验证码、字体加密、userAgent访问限制、各种动态加载等等。

遇到这些反爬虫的手段，当然还需要一些高级的技巧来应对，常规的比如访问频率控制、使用代理IP池、字体反加密、抓包、验证码的OCR处理等等。

往往网站在高效开发和反爬虫之间会偏向前者，这也为爬虫提供了空间，掌握这些应对反爬虫的技巧，绝大部分的网站已经难不到你了。

?

掌握前面的技术一般量级的数据和代码基本没有问题了，但是在遇到非常复杂的情况，可能仍然会力不从心，这个时候，强大的 scrapy 框架就非常有用了。

scrapy 是一个功能非常强大的爬虫框架，它不仅能便捷地构建request，还有强大的 selector 能够方便地解析 response，然而它最让人惊喜的还是它超高的性能，让你可以将爬虫工程化、模块化。

学会 scrapy，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。

?

爬回来的数据量小的时候，你可以用文档的形式来存储，一旦数据量大了，这就有点行不通了。所以掌握一种数据库是必须的，学习目前比较主流的 MongoDB 就OK。

MongoDB 可以方便你去存储一些非结构化的数据，比如各种评论的文本，图片的链接等等。你也可以利用PyMongo，更方便地在Python中操作MongoDB。

因为这里要用到的数据库知识其实非常简单，主要是数据如何入库、如何进行提取，在需要的时候再学习就行。

?

爬取基本数据已经不是问题了，你的瓶颈会集中到爬取海量数据的效率。这个时候，相信你会很自然地接触到一个很厉害的名字：分布式爬虫。

分布式这个东西，听起来很恐怖，但其实就是利用多线程的原理让多个爬虫同时工作，需要你掌握 Scrapy + MongoDB + Redis 这三种工具。

Scrapy 前面我们说过了，用于做基本的页面爬取，MongoDB 用于存储爬取的数据，Redis 则用来存储要爬取的网页队列，也就是任务队列。

所以有些东西看起来很吓人，但其实分解开来，也不过如此。当你能够写分布式的爬虫的时候，那么你可以去尝试打造一些基本的爬虫架构了，实现更加自动化的数据获取。

?

你看，这一条学习路径下来，你已然可以成为老司机了，非常的顺畅。所以在一开始的时候，尽量不要系统地去啃一些东西，找一个实际的项目（开始可以从豆瓣、小猪这种简单的入手），直接开始就好。

因为爬虫这种技术，既不需要你系统地精通一门语言，也不需要多么高深的数据库技术，高效的姿势就是从实际的项目中去学习这些零散的知识点，你能保证每次学到的都是最需要的那部分。

当然唯一麻烦的是，在具体的问题中，如何找到具体需要的那部分学习资源、如何筛选和甄别，是很多初学者面临的一个大问题

在本文中，我们将创建一个简单的语音识别模型，该模型可以从音频文件中检测句子，然后将这些句子导出到文本文档中。在以后的文章中，我想向你展示语音识别的另一个很好的例子，你可以在其中将语音实时转换为文本格式。

你准备好了吗？让我们开始编码！

导入库

首先，让我们安装模块，以便我们可以在程序中导入和使用它。SpeechRecognition模块支持多种识别API，而Google Speech API就是其中之一。您可以从此处了解有关该模块的更多信息。

pip install SpeechRecognition

现在我们可以导入库

import speech_recognition as sr

创建一个识别器

在这一步中，我们将创建识别器实例。

r = sr.Recognizer（）

导入音频文件

将音频文件导入我们的程序时，文件扩展名很重要。我已经用其他两种其他格式测试了我的代码，但“ wav”格式的结果效果更好。你可以使用在线文件转换器网站将音频文件格式转换为wav。

例如，如果你使用Macbook的语音备忘录进行录制，则音频文件将保存为m4a格式。在Google上搜索：“在线将m4a文件转换为wav文件格式”。你会发现很多不错的网站。

AudioFile是导入文件的功能。Sr是语音识别模块。

audio_file = sr.AudioFile（‘test.wav‘）

识别语音

如引言中所述，我们使用的是ognize_google方法，该方法是Google的Cloud Speech API的语音识别。

with audio_file as source:    r.adjust_for_ambient_noise(source)    audio = r.record(source)result = r.recognize_google(audio)

将结果导出到文本文档中

在下面的代码中，我们将创建一个文本文件并将其打开。然后导出我们在前面的代码中得到的结果。你会看到“准备好了！” 该过程完成后，在你的终端中。

with open(‘test.txt‘,mode =‘w‘) as file:    file.write("Recognized text:")    file.write("\n")    file.write(result)    print("ready!")

代码如下：

# importing the moduleimport speech_recognition as sr# define the recognizerr = sr.Recognizer()# speech recognitionwith audio_file as source:    r.adjust_for_ambient_noise(source)    audio = r.record(source)result = r.recognize_google(audio)# exporting the result with open(‘test.txt‘,mode =‘w‘) as file:    file.write("Recognized text:")    file.write("\n")    file.write(result)    print("ready!")

恭喜！您已经使用Python创建了自己的语音识别程序。希望你喜欢本教程并学到一些新的知识。练习编码技能的最好方法是实现练习编写有趣的项目。感谢你的阅读。

推荐一条高效的Python爬虫学习路径！

原文：https://www.cnblogs.com/shannian999/p/12980650.html