| 作者 |
| [比] 希普·万登·布鲁克（Seppe vanden Broucke）,巴特·巴森斯（Bart Baesens） |
| 丛书名 |
| 数据科学与工程技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111614043 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书提供了一个完整的、现代的Web抓取指南，使用Python作为编程语言，专为数据科学的读者编写，探讨了Web抓取和以及其背后的大量Web技术。书中首先简要概述抓取和现实生活中的用例,解释了HTTP、HTML和CSS的核心概念作为基础。最后总结了一些最佳实践和一系列的例子，这些数据科学用例汇集了你学到的所有知识。读者将学习到如何利用已建立的最佳实践和常用的Python包，处理包括JavaScript、Cookie和常见的web抓取技术。 |
| 目录 |
| 译者序 作者简介 技术审校者简介 前言 第一部分 网络爬取基础 第1章 简介2 1.1 什么是网络爬取2 1.1.1 网络爬取为什么用于数据科学2 1.1.2 谁在使用网络爬取4 1.2 准备工作6 1.2.1 设置6 1.2.2 Python 快速入门7 第2章 网络传输协议HTTP18 2.1 网络的魔力18 2.2 超文本传输协议20 2.3 Python中的HTTP—Requests库25 2.4 带参数的URL查询字符串28 第3章 HTML和CSS36 3.1 超文本标记语言HTML36 3.2 将浏览器用作开发工具38 3.3 层叠样式表CSS42 3.4 Beautiful Soup库45 3.5 有关Beautiful Soup的更多内容53 第二部分 高级网络爬取 第4章 深入挖掘HTTP60 4.1 使用表单和POST请求60 4.2 其他HTTP请求方法71 4.3 关于头的更多信息73 4.4 使用Cookie79 4.5 requests库的session对象87 4.6 二进制、JSON和其他形式的内容89 第5章 处理JavaScript93 5.1 什么是JavaScript93 5.2 爬取JavaScript94 5.3 使用Selenium爬取网页98 5.4 Selenium的更多信息109 第6章 从网络爬取到网络爬虫115 6.1 什么是网络爬虫115 6.2 使用Python实现网络爬虫117 6.3 数据库存储120 第三部分 相关管理问题及最佳实践 第7章 网络爬取涉及的管理和法律问题130 7.1 数据科学过程130 7.2 网络爬取适合用于哪里133 7.3 法律问题134 第8章 结语139 8.1 其他工具139 8.1.1 其他Python库139 8.1.2 Scrapy库140 8.1.3 缓存140 8.1.4 代理服务器141 8.1.5 基于其他编程语言的爬取141 8.1.6 命令行工具142 8.1.7 图形化的爬取工具142 8.2 最佳实践和技巧143 第9章 示例147 9.1 爬取Hacker News网页148 9.2 使用Hacker News API150 9.3 爬取引用信息 150 9.4 爬取书籍信息154 9.5 爬取GitHub上项目被收藏的次数156 9.6 爬取抵押贷款利率160 9.7 爬取和可视化IMDB评级165 9.8 爬取IATA航空公司信息166 9.9 爬取和分析网络论坛的互动171 9.10 收集和聚类时尚数据集177 9.11 Amazon评论的情感分析180 9.12 爬取和分析维基百科关联图188 9.13 爬取和可视化董事会成员图194 9.14 使用深度学习破解验证码图片197 |