網站擷取|使用Python 第三版

　　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 
 

作者簡介

Ryan Mitchell

　　Ryan Mitchell是 GLG 的高級軟體工程師，也是網路抓取、網路安全，和資料科學專家。她曾經主持多場研討會，並在許多活動中發表演說，包括 Data Day 和 DEF CON。此外，她也教導網路程式設計和資料科學，並在多家機構中提供相關課程的諮詢服務。Ryan 也是 Instant Web Scraping with Java（Packt Publishing）的作者。