網站擷取｜使用Python 第三版 (3版)

從現代網頁爬取資料  　　爬取×解析×轉換──讓資料收集快、準、全，告別繁瑣工作！  　　從HTML到API、從圖片到文字，使用Python做網頁爬取，能廣泛應用於市場預測、機器翻譯甚至是醫學診斷，實用性極高。因此，無論在哪一個領域，網路爬蟲都可以更有效地應用於商務、分析、提升生產效能，開創新機會。  　　「本書是內容豐富的傑作，可幫助讀者有意識地、有效地抓取網頁資料，值得推薦給想從網站爬取資料、打算建立網站和分享資料的每一個人。」 —Michael Hopkins P.Geo., PMP  　　如果說程式設計像魔法一樣，那麼「網站擷取」無疑就是一種巫術，只要寫一個簡單的自動程式，就可以用它來查詢網頁伺服器、請求資料、解析資料，並提取所需資訊。本書第三版經過徹底翻新，不僅介紹網路爬取，也全面性地教你如何從現代網頁抓取幾乎每一種類型的資料。  　　本書的第一部分專門討論網路爬取機制，包括使用 Python 從網頁伺服器請求資訊、初步處理伺服器的回應，以及自動和網站進行互動。第二部分則探討更具體的工具和應用，以應對可能遇到的各種網頁爬取情境。  　　本書教你如何：  　　•解析複雜的HTML網頁  　　•使用Scrapy框架來開發爬蟲  　　•儲存你抓到的資料  　　•從文件中讀取和提取資料  　　•清理格式不嚴僅的資料，以及將之正規化  　　•讀寫自然語言  　　•爬取表單與登入網站  　　•爬取JavaScript和 API  　　•使用和編寫「圖片轉文字」軟體  　　•避免爬網陷阱和反機器人封鎖  　　•使用爬蟲來測試自己的網站

第一部分 建構爬蟲  第 1 章 網際網路的運作方式  第 2 章 網頁爬蟲的法律問題與道德原則  第 3 章 網頁爬蟲的應用  第 4 章 寫出你的第一個網路爬蟲  第 5 章 進階 HTML 解析  第 6 章 編寫網路爬蟲  第 7 章 網頁爬取模型  第 8 章 Scrapy  第 9 章 儲存資料  第二部分 進階抓取  第 10 章 讀取文件  第 11 章 處理髒資料  第 12 章 讀寫自然語言  第 13 章 藉由表單與登入來爬網  第 14 章 抓取 JavaScript  第 15 章 透過 API 來爬取資料  第 16 章 圖片處理與文字辨識  第 17 章 避免抓取陷阱  第 18 章 使用爬蟲來測試你的網站  第 19 章 平行爬網  第 20 章 網路爬蟲代理