內容簡介
在現代網路蒐集資料
「本書涵蓋的工具與範例，讓我輕易把好幾個重複的工作自動化，騰出時間解決更多有趣的問題。這是本重視成果、內容從實務問題與解法出發，又能很快讀完的好書。」 — Eric VanWyk, 電子計算機工程師，麻州歐林工程學院
學會網頁搜刮(scraping)及爬行(crawling)技術，就能從任何網站來源取得任意格式的無限量資料。您可以從這本實務指南學到如何使用Python與web APIs，同時從上千，甚至上百萬的網頁之中獲取並處理資料。
本書適合會寫Python的程式設計者、網路安全工作者以及網站管理者閱讀。不僅會提到網頁搜刮的基本機制，還會提到一些進階主題，像是分析原始資料，或是利用搜刮工具進行網站前端測試。本書也將提供程式範例協助您從實務的角度理解觀念。
•學會如何解析複雜的HTML頁面
•走訪許多頁面與網站
•掌握APIs的概觀以及它們如何運作
•學會多種儲存搜刮來的資料的方式
•下載文件並讀取內容，從中擷取資料
•使用工具與技巧整理格式雜亂的原始資料
•讀寫自然語言
•爬過表單與登入頁
•瞭解如何搜刮JavaScript
•學會影像處理與文字識別
作者介紹
作者簡介
Ryan Mitchell
Ryan Mitchell 是波士頓LinkeDrive的軟體工程師，她為公司開發了API與資料分析工具，經常為金融與零售業界提供網站擷取技術的諮詢。
目錄
第一部分 建構 Scraper
第一章 您的第一個 Scraper
第二章 進階 HTML 解析
第三章 開始爬行
第四章 使用 API
第五章 儲存資料
第六章 讀取文件
第二部分 進階 Scraping
第七章 清理您的髒資料
第八章 讀寫自然語言
第九章 爬過表單與登入頁
第十章 搜刮 JavaScript
第十一章 影像處理與文字辨識
第十二章 避開 Scraping 陷阱
第十三章 以 Scrapers 測試您的網站
第十四章 遠端 Scraping
附錄A Python 概覽
附錄B Internet 概覽
附錄C 擷取網頁時的法律與道德考量
