AI世代必備！Python×ChatGPT高效率工作術：從網路爬蟲到辦公室自動化超實務 (1版)
類似書籍推薦給您
【簡介】
最全面的 ChatGPT × Python 應用手冊！
AI 詠唱寫程式，打造超快速自動化技巧！
學會對 AI 下指令，提升工作效能！
ChatGPT 詠唱技巧＋資料擷取術＋辦公室自動化
本書將帶你學會「網路爬蟲」和「辦公室自動化」的 Python 程式設計，並結合使用 ChatGPT 指令和提示，寫出各種不同應用的 Python 程式，成為 AI 指令達人。
本書介紹了網路爬蟲的流程到實作，首先分析 HTML 網頁結構及標籤，將資料擷取下來後進行資料處理與轉換，接著實際爬取天氣、電影、電商網頁。另外，本書的職場自動化技巧，包含彙整 Excel 資料、製作統計圖表、批次命名及移動圖片、自動寄開會通知信，讓你輕鬆駕馭日常工作，建立全方位的自動化辦公室！
23 個自動化範例 ＋ 8 個套件 ＝ 活用資料擷取術、節省繁瑣工作
你將學會
● 取得、剖析和擷取網頁資料
● 將爬取的資料轉為 Excel 檔案
● 用 ChatGPT 寫網路爬蟲程式，擷取不同類型的資料
● 使用 openpyxl 和 pandas 繪製圖表
● 自動建立與編輯 Word、PPT 內容
● 撰寫客戶回應信件、產生 PDF 報表
● 寫出 SQLite / MySQL 資料庫程式
● 串接 ChatGPT API，讓你在 LINE 使用 AI 聊天機器人
適合讀者
本書適合想要快速學會 Python 和 ChatGPT 詠唱的程式新手，也適合對資料處理、資料分析與資料視覺化有需求的從業人員。
本書範例檔案
本書提供 Python 範例程式、完整的 ChatGPT 提示文字及產出程式碼。
【目錄】
第一篇：Python X ChatGPT 程式設計與 HTML「超」入門
01 使用 ChatGPT 學習 Python 程式設計
1-1 Python 變數、資料型別與運算子
1-2 流程控制
1-3 函式、模組與套件
1-4 容器型別
1-5 檔案與例外處理
1-6 ChatGPT 應用：Python 程式設計小幫手
02 爬取的資料來源：HTML、CSV 和 JSON
2-1 HTML 與 CSS 基礎
2-2 資料標籤 – 文字和圖片標籤
2-3 群組標籤 – 清單、表格和結構標籤
2-4 網站巡覽 – 超連結標籤
2-5 CSV 與 JSON
2-6 ChatGPT 應用：學習 HTML 標籤的 CSS 選擇器
第二篇：Python X ChatGPT 網路爬蟲SOP 標準作業程序「超」實務
03 作業步驟一：認識網路爬蟲與 HTML 網頁分析
3-1 網路爬蟲與 URL 網址
3-2 認識 JavaScript 動態網頁內容
3-3 建立 Python 網路爬蟲的 SOP
3-4 使用開發人員工具分析 HTML 網頁結構
3-5 ChatGPT 應用：分析 Bootstrap 相簿網頁的標籤結構
04 作業步驟二：Requests 和 Selenium 取得網路資料
4-1 使用 requests 取得網路資料
4-2 使用 Selenium 取得網路資料
4-3 取得 HTML 表單送回的網路資料
4-4 使用 Web API 取得網路資料
4-5 ChatGPT 應用：取得無限捲動網頁的資料
4-6 ChatGPT 應用：剖析 OpenWeatherMap 的 JSON 天氣資料
05 作業步驟三：BeautifulSoup 剖析和擷取網頁資料
5-1 使用 BeautifulSoup 擷取網頁資料
5-2 使用正規表達式擷取網頁資料
5-3 Selenium+BeautifulSoup 擷取網頁資料
5-4 偽裝成瀏覽器送出 HTTP 請求
5-5 ChatGPT 應用：爬取 Bootstrap 相簿網頁的照片資訊
06 作業步驟四：Pandas 清理爬取資料與儲存
6-1 Pandas 基本使用
6-2 Pandas 資料讀取與儲存
6-3 Pandas 常用的資料處理
6-4 Pandas 資料清理
6-5 ChatGPT 應用：使用字串函式進行資料處理與清理
07 ChatGPT 應用實務：Python X ChatGPT 網路爬蟲實戰
7-1 擷取多筆記錄和 HTML 表格資料
7-2 擷取多頁面的分頁記錄資料
7-3 ChatGPT 應用實務：使用 Selenium 自動登入會員網站
7-4 ChatGPT 應用實務：爬取 PTT BBS 看板討論區的貼文
第三篇：Python X ChatGPT X Excel 資料統計分析「超自動化」實務
08 自動化下載圖檔、圖檔處理與批次檔案操作
8-1 自動化下載網路圖檔
8-2 PIL 影像處理自動化
8-3 os 與 shutil 模組的檔案操作自動化
8-4 ChatGPT 應用：自動批次重新命名和移動檔案
8-5 ChatGPT 應用：自動批次圖檔處理
09 自動化 Excel 活頁簿編輯操作
9-1 Excel 自動化與 openpyxl 套件
9-2 自動化建立 Excel 檔案和工作表
9-3 自動化讀取、更新與走訪 Excel 儲存格資料
9-4 自動化 Excel 工作表管理
9-5 ChatGPT 應用：將 CSV 和 JSON 資料自動匯入 Excel
10 自動化 Excel 資料統計與 VBA
10-1 自動化統計 Excel 工作表的整欄與整列資料
10-2 在 Excel 儲存格自動化套用公式和 Excel 函式
10-3 自動化 Python X Excel 建立樞紐分析表
10-4 使用 Python 程式自動化執行 Excel VBA
10-5 ChatGPT 應用：實作 Python X Excel 自動化工具箱
11 ChatGPT 應用實務：Python X Excel 與 Pandas 資料視覺化
11-1 認識資料視覺化與基本圖表
11-2 在 Excel 工作表自動化繪製統計圖表
11-3 ChatGPT 應用實務：Python X Excel 資料視覺化
11-4 ChatGPT 應用實務：Pandas 資料視覺化
第四篇：Python X ChatGPT X Office 辦公室事務「超自動化」實務
12 自動化處理 Word 文件與 PowerPoint 簡報
12-1 Python 的 Word 文件自動化
12-2 Python 的 PowerPoint 簡報自動化
12-3 ChatGPT 應用：自動調整 Word 標題文字的樣式與對齊
12-4 ChatGPT 應用：自動在 PowerPoint 投影片繪製圖表
13 自動化處理 PDF 文件與 Email 電子郵件
13-1 pywin32 套件：Office 軟體自動化
13-2 自動化 PDF 檔案處理
13-3 自動化寄送 Email 電子郵件
13-4 ChatGPT 應用：Excel X Email 自動寄送開會通知
14 自動化匯整各種表格資料至 SQL 資料庫
14-1 自動化轉換 Word、HTML 和 PDF 表格成 Excel
14-2 SQLite 資料庫的基本使用
14-3 將 CSV、JSON 和 Excel 資料存入 SQLite 資料庫
14-4 ChatGPT 應用：自動合併多個 Excel 檔案
14-5 ChatGPT 應用：產生 SQL 指令與改用 MySQL 資料庫
15 ChatGPT API 自動化撰寫客戶回應與產生 PDF 報表
15-1 使用 Open AI 的 ChatGPT API
15-2 自動化 Word 模版文件處理
15-3 Python X Excel 使用 Word 模版產生 PDF 報表
15-4 ChatGPT 應用：ChatGPT API X Word 模版撰寫客戶回應的 Word 文件
16 ChatGPT 應用實務：ChatGPT API 和 LINE Bot 聊天機器人
16-1 Flask 的基本使用
16-2 使用 Replit 雲端 Python 開發環境
16-3 ChatGPT 應用實務：Flask+SQLite 建立 Web API
16-4 ChatGPT 應用實務：ChatGPT API 和 LINE Bot 聊天機器人
附錄A Python 開發環境與註冊使用 ChatGPT
A-1 Python 開發環境：Thonny
A-2 註冊使用 ChatGPT
立即查看
超高效！Python × Excel 資料分析自動化：輕鬆打造你的完美工作法！
類似書籍推薦給您
立即查看
Python × Excel的12堂關鍵必修課：資料分析自動化的194個高效實戰例 (1版)
類似書籍推薦給您
立即查看
Python + ChatGPT 零基礎+高效率學程式設計與運算思維(第四版) (4版)
類似書籍推薦給您
【簡介】
Python + ChatGPT
零基礎 + 高效率
學程式設計與運算思維
第4版
★★★★★【前一版是國內第1本ChatGPT輔助學習Python】★★★★★
★★★★★【Google Colab + Python Shell環境解說】★★★★★
★★★★★【前一版是國內第1本用ChatGPT語言模型】★★★★★
★★★★★【設計線上AI客服和Emoji機器人程式】★★★★★
★★★★★【前一版是國內第1本講解設計Pythonic程式★★★★★
本書特色
相較於第3版，第4版新增與修訂下列內容：
☆ 增加ChatGPT處理除錯(Debug)、程式註解、重構和重寫程式的應用。
★ 更完整的解說機器學習知識的觀念。
☆ 用「gpt-4」語言模型設計「線上AI客服中心」和「Emoji翻譯機器人」。
★ 提供「Google Colab的ipynb檔案」與「一般的py檔案」兩種程式。
☆ 小細節修訂約50處。
本書用約700個一般實例與程式實例，同時使用ChatGPT輔助學習，講解了下列知識：
★科技與人工智慧知識融入內容
☆ 完整Python語法
★ 串列、元組、字典、集合
☆ 經緯度計算城市間的距離
★ 數學方法計算圓週率
☆ 生成式generator
★ 函數與類別設計
☆ 設計與使用自己的模組、使用外部模組
★ 中文Windows預設cp950與國際通用utf-8格式的檔案讀寫
☆ 程式除錯與異常處理
★ 正則表達式
☆ 影像處理
★ Numpy
☆ CSV文件
★ 2D ~ 3D的Matplotlib中英文靜態與動態圖表繪製
☆ 網路爬蟲
★ 人工智慧破冰之旅
☆ 迴歸分析
★ 機器學習使用scikit-learn入門
☆ 使用ChatGPT語言模型設計「線上AI客服中心」和「Emoji翻譯機器人」
【目錄】
第1章 基本觀念
1-0 運算思維(Computational Thinking)
1-1 認識Python
1-2 Python 的起源
1-3 Python 語言發展史
1-4 Python 的應用範圍
1-5 變數 - 靜態語言與動態語言
1-6 系統的安裝與執行
1-7 程式註解(comments)
1-8 Python 彩蛋(Easter Eggs)
1-9 ChatGPT 輔助學習
第2章 認識變數與基本數學運算
2-1 用Python 做計算
2-2 認識變數(variable)
2-3 認識程式的意義
2-4 認識註解的意義
2-5 變數的命名原則
2-6 基本數學運算
2-7 指派運算子
2-8 Python 的多重指定(Multiple Assignment)
2-9 Python 的列連接(Line Continuation)
2-10 專題：複利計算/ 計算圓面積與圓周長
2-11 ChatGPT 輔助學習
第3章 Python 的基本資料型態
3-1 type( ) 函數
3-2 數值資料型態
3-3 布林值資料型態
3-4 字串資料型態
3-5 字串與字元
3-6 專題：地球到月球時間計算/ 計算座標軸
2 點之間距離
3-7 ChatGPT 輔助學習
第4章 基本輸入與輸出
4-1 Python 的輔助說明help( )
4-2 格式化輸出資料使用print( )
4-3 資料輸入input( )
4-4 處理字串的數學運算eval( )
4-5 列出所有內建函數dir( )
4-6 專題：溫度轉換/ 房貸問題/ 經緯度距離/ 雞兔同籠
4-7 ChatGPT 輔助學習
第5章 程式的流程控制
5-1 關係運算子
5-2 邏輯運算子
5-3 if 敘述
5-4 if ⋯ else 敘述
5-5 if ⋯ elif ⋯ else 敘述
5-6 專題：BMI / 猜數字 / 方程式/ 火箭升空/ 閏年
5-7 ChatGPT 輔助流程圖繪製與程式設計
第6章 串列(List)
6-1 認識串列(list)
6-2 Python 物件導向觀念與方法
6-3 串列元素是字串的常用方法
6-4 增加與刪除串列元素
6-5 串列的排序
6-6 進階串列操作
6-7 串列內含串列
6-8 串列的賦值與切片拷貝
6-9 再談字串
6-10 in 和not in 運算式
6-11 enumerate 物件
6-12 專題：大型串列/ 認識凱薩密碼
6-13 ChatGPT 輔助學習
第7章 迴圈設計
7-1 基本for 迴圈
7-2 range( ) 函數
7-3 進階的for 迴圈應用
7-4 while 迴圈
7-5 enumerate 物件使用for 迴圈解析
7-6 專題：成績系統/ 圓周率/ 國王的麥粒/ 電影院劃位
7-7 ChatGPT 輔助學習
7-8 ChatGPT 輔助程式除錯(Debug)
7-9 ChatGPT 重構程式
第8章 元組(Tuple)
8-1 元組的定義
8-2 讀取元組元素
8-3 遍歷所有元組元素
8-4 元組切片(tuple slices)
8-5 方法與函數
8-6 串列與元組資料互換
8-7 其它常用的元組方法
8-8 enumerate 物件使用在元組
8-9 使用zip( ) 打包多個物件
8-10 製作大型的元組資料
8-11 元組的功能
8-12 專題：認識元組/ 基礎統計應用
8-13 ChatGPT 輔助學習
第9章 字典(Dict)
9-1 字典基本操作
9-2 遍歷字典
9-3 字典內鍵的值是串列
9-4 字典內鍵的值是字典
9-5 字典常用的函數和方法
9-6 製作大型的字典資料
9-7 專題：文件分析/ 字典生成式/ 星座/ 凱薩密碼
9-8 ChatGPT 輔助學習
第10章 集合(Set)
10-1 建立集合
10-2 集合的操作
10-3 適用集合的方法
10-4 適用集合的基本函數操作
10-5 專題：夏令營程式/ 程式效率/ 集合生成式 / 雞尾酒實例
10-6 ChatGPT 輔助學習
第11 章 函數設計
11-1 Python 函數基本觀念
11-2 函數的參數設計
11-3 函數傳回值
11-4 呼叫函數時參數是串列
11-5 傳遞任意數量的參數
11-6 遞迴式函數設計recursive
11-7 區域變數與全域變數
11-8 匿名函數lambda
11-9 pass 與函數
11-10 專題：單字出現次數/ 質數
11-11 ChatGPT 輔助學習
第12章 類別– 物件導向的程式設計
12-1 類別的定義與使用
12-2 類別的訪問權限 – 封裝(encapsulation)
12-3 類別的繼承
12-4 多型(polymorphism)
12-5 多重繼承
12-6 type 與instance
12-7 專題：幾何資料的應用
12-8 ChatGPT 輔助學習
第13章 設計與應用模組
13-1 將自建的函數儲存在模組中
13-2 應用自己建立的函數模組
13-3 將自建的類別儲存在模組內
13-4 應用自己建立的類別模組
13-5 隨機數random 模組
13-6 時間time 模組
13-7 系統sys 模組
13-8 keyword 模組
13-9 日期calendar 模組
13-10 專題：蒙地卡羅模擬/ 文件加密
13-11 ChatGPT 輔助學習
第14章 檔案讀取與寫入
14-1 開啟檔案open( )
14-2 讀取檔案
14-3 寫入檔案
14-4 讀取和寫入二進位檔案
14-5 認識編碼格式encoding
14-6 ChatGPT 輔助學習
第15章 程式除錯與異常處理
15-1 程式異常
15-2 設計多組異常處理程序
15-3 丟出異常 - raise
15-4 程式除錯的典故
15-5 ChatGPT 輔助學習
第16 章 正則表達式Regular Expression
16-1 使用Python 硬功夫搜尋文字
16-2 正則表達式的基礎
16-3 更多搜尋比對模式
16-4 貪婪與非貪婪搜尋
16-5 正則表達式的特殊字元
16-6 MatchObject 物件
16-7 專題：搶救CIA 情報員-sub( ) 方法
16-8 ChatGPT 輔助學習
第17章 用Python 處理影像檔案
17-1 認識Pillow 模組的RGBA
17-2 Pillow 模組的盒子元組(Box tuple)
17-3 影像的基本操作
17-4 影像的編輯
17-5 裁切、複製與影像合成
17-6 影像濾鏡
17-7 在影像內繪製圖案
17-8 在影像內填寫文字
17-9 ChatGPT 輔助學習
第18 章 詞雲設計
18-1 Python Shell 環境 - 安裝wordcloud
18-2 我的第一個詞雲程式
18-3 建立含中文字詞雲結果失敗
18-4 建立含中文字的詞雲
18-5 進一步認識jieba 模組的分詞
18-6 建立含圖片背景的詞雲
18-7 ChatGPT 輔助學習
第19章 使用Python 處理CSV 文件
19-1 建立一個CSV 文件
19-2 用記事本開啟CSV 檔案
19-3 csv 模組
19-4 讀取CSV 檔案
19-5 寫入CSV 檔案
19-6 Python 與Microsoft Excel
19-7 ChatGPT 輔助學習
第20 章 數據圖表的設計
20-1 認識matplotlib.ipynbplot 模組的主要函數
20-2 繪製簡單的折線圖plot( )
20-3 繪製散點圖scatter( )
20-4 Numpy 模組基礎知識
20-5 色彩映射color mapping
20-6 繪製多個圖表
20-7 建立畫布與子圖表物件
20-8 長條圖的製作bar( )
20-9 圓餅圖的製作pie( )
20-10 設計2D 動畫
20-11 專題：數學表達式/ 輸出文字/ 圖表註解
20-12 ChatGPT 輔助學習
第21章 網路爬蟲
21-1 下載網頁資訊使用requests 模組
21-2 檢視網頁原始檔
21-3 解析網頁使用BeautifulSoup 模組
21-4 網路爬蟲實戰
21-5 ChatGPT 輔助學習
第22章 人工智慧破冰之旅
22-1 將畢氏定理應用在性向測試
22-2 電影分類
第23章 迴歸分析基礎觀念
23-1 相關係數(Correlation Coefficient)
23-2 建立線性迴歸模型與數據預測
23-3 二次函數的迴歸模型
23-4 ChatGPT 輔助學習
第24章 機器學習使用scikit-learn 入門
24-1 網路購物數據調查
24-2 使用scikit-learn 模組計算判定係數
24-3 預測未來值
24-4 人工智慧、機器學習、深度學習
24-5 認識scikit-learn 數據模組datasets
24-6 監督學習 – 線性迴歸
24-7 scikit-learn 產生數據
24-8 常見的監督學習分類器
24-9 無監督學習 – 群集分析
24-10 ChatGPT 輔助學習
第25章 設計ChatGPT 線上AI 聊天室
25-1 ChatGPT 的API 類別
25-2 取得API 密鑰
25-3 安裝openai 模組
25-4 設計線上AI 客服與Emoji 機器人
25-5 查核API keys 的費用
附錄C 使用Google Colab 雲端開發環境
C-1 進入Google 雲端
C-2 建立雲端資料夾
C-3 進入Google Colab 環境
C-4 編寫程式
C-5 更改檔案名稱
C-6 認識編輯區
C-7 新增加程式碼儲存格
C-8 更多編輯功能
附錄D 指令、函數、方法與專有名詞索引
附錄A： 安裝與執行Python(電子書)：9 頁
附錄B： 安裝Anaconda 與使用Spider 整合環境( 電子書)：15 頁
附錄C： 使用Google Colab 雲端開發環境
附錄D： 指令、函數與專有名詞索引
附錄E： 安裝第三方模組( 電子書)：5 頁
附錄F： RGB 色彩表( 電子書)：5 頁
附錄G： Python 運算思維前20 章是非題與選擇題檔案第3 版( 電子書)：83 頁
附錄H： ASCII 碼值表( 電子書)：1頁
立即查看
高效能 Python 程式設計 (2版)
類似書籍推薦給您
內容簡介
寫給人類的高性能編程法
或許你的Python程式可以正確運行了，但你希望它跑得更快。這本更新至Python 3的擴增版本將告訴你如何找到性能瓶頸，並且在使用高資料量的程式中大幅提升程式碼的速度。《高效能Python程式設計》將藉著探索各種設計背後的基本理論，讓你更深入瞭解Python的實作。
如何利用多核心架構或叢集？如何在不失去可靠性的情況下放大與縮小系統規模？資深的Python程式員可從本書學到許多問題的具體解決方案，以及來自許多公司的實戰經驗，這些公司都運用高性能Python來進行社交媒體分析、生產化機器學習等應用。
• 更充分地掌握NymPy、Cython與分析器
• 瞭解Python如何將底層計算架構抽象化
• 進行分析來找出CPU時間和記憶體使用量的瓶頸
• 選擇正確的資料結構，寫出高效程式
• 提升矩陣和向量的計算速度
• 使用工具，將Python編譯成機器碼
• 並行管理多I/O與計算操作
• 轉換multiprocessing程式碼，讓它在本地或遠端叢集上運行
• 使用Docker等工具來快速部署程式
目錄
第一章 了解高性能Python
第二章 透過分析來找出瓶頸
第三章 串列與tuple
第四章 字典與集合
第五章 迭代器與產生器
第六章 矩陣與向量計算
第七章 編譯為C
第八章 非同步I/O
第九章 multiprocessing 模組
第十章 叢集與任務佇列
第十一章 使用較少的RAM
第十二章 實戰經驗
立即查看
華通書坊
