Update README.md

README.md

@@ -4,46 +4,48 @@
 - 抽取三元组
 - 构建中文知识图谱
 
-![](./kg/kg.png)
-
 ### 环境
 
 - python 3.6
 - requests:网络请求
-- re:url匹配
+- re:url正则匹配
 - bs4:网页解析
 - pickle:进度保存
-- threading:线程
+- threading:多线程
 - neo4j:知识图谱图数据库
 - pip install neo4j-driver：neo4j python驱动
 
-### 目錄
-
-- spider/ 抓取網頁
-- ie/ 抽取網頁信息
-- kg/ 抽取三元組
-
-### 执行：
+### 运行前指定几个路径：
 
+spider/html_paser.py第38行为网页存储路径：
 ```
-python spider_main.py
+        path='/data/ruben/data/webpages/'#custom diectory for webpages
+```
+ie/extract-para.py第11行为网页存储路径：
+```
+        pages=glob.glob('/data/ruben/data/webpages/*')
+```
+ie/extract-table.py第37行为网页存储路径：
+```
+        pages=glob.glob('/data/ruben/data/webpages/*')
 ```
 
-### 网页保存路径：
+### 代码目錄
 
-我的是：```/data/webpages```,如需修改更改```html_parser.py```文件下的路径即可。
-### 运行log:
+- 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：
 
 ```
-craw 68357 : http://baike.baidu.com/item/%E8%BF%87%E9%80%9F%E7%BB%AF%E9%97%BB
-Save to disk filename:webpages/非常主播
-craw 68358 : http://baike.baidu.com/item/%E5%B8%82%E5%9C%BA%E8%A7%84%E6%A8%A1
-Save to disk filename:webpages/市场规模
-craw 68359 : https://baike.baidu.com/item/%E6%B8%85%E6%99%8F%E5%9B%AD
-Save to disk filename:webpages/清晏园
-craw 68360 : http://baike.baidu.com/item/%E5%AE%9D%E8%8E%B1%E5%9D%9E
-Save to disk filename:webpages/宝莱坞
-craw 68361 : https://baike.baidu.com/item/%E5%BA%93%E6%96%AF%E7%A7%91%E5%9F%8E
-Save to disk filename:webpages/库斯科城
+python spider/spider_main.py
+python ie/extract-para.py
+python ie/extract-table.py
+python kg/test_neo4j.py
 ```
 
+
+![](./kg/kg.png)
+