1 设定待爬取内容关键字列表 2 使用工具进行先期url爬取 chrome_get_news_01.py 3 根据url书写xpath规则爬取页面文本信息 get_url_news_02.py 注：在数据量比较小的时候可以根据car_news_data_url_none.txt重写url规则获取更多数据 url_recognize_03.py 4 清洗数据（去重、非法字符过滤） get_news_data_cleanout_04.py or get_news_data_cleanout_04(2).py(运行比较慢) 5 命名实体识别（按照命名实体识别规则进行词性识别后连接连续的相同词性的词） 6 获得命名实体并进行清洗 7 进行word2vec训练，找相似词判别关系，根据得分大小