Python網路文字探勘入門到上手：10堂基礎+5場實戰，搞定網路爬蟲、文本分析的淘金指南

本書將要來介紹 Python 這一套功能強大、直譯式並且屬於物件導向的高階程式語言。你或許聽過，或許沒聽過，但現在可藉由來認識它了。

Python 程式語言特別強調其簡潔與清晰的語法特點，它易讀、易懂、易學。此外，於程式開發的效率性、解決各種難度的應用上，亦相當優越，並可在大多數的系統中運行，以減少開發及維護的成本。Python 同時亦支援modules 和 packages 的應用概念，使其擴展性更為精進。這種功能強大而完善的通用型語言，可適用於開發各類的應用程式，至使 Python 吸引了許多程式設計師的目光，雖然至今僅有十多年的歷史，但深受應用程式開發者的喜愛。

本書適合於沒有程式設計基礎，但想於網路進行資料探勘者。課程安排上由潛入深、循序漸進。在第1 章至第7 章先行介紹Python程式語言的基本語法與編寫程式基本技巧，包含資料基本型態、流程控制、串列與迴圈、元組、字典與集合、錯誤與例外處理等內容。第8 章至第10 章則介紹網路爬蟲的意義與於網路上進行資料探勘的基本技巧。第11 章至第15 章則連續以五個實際的網路資料探勘範例引導讀者精進實作的能力，其內容包含爬取PChome 24h購物的商品資料、Google 學術搜尋的論文資料、PTT 八卦版的PO文資料、開發網路書籍比價系統與製作文字雲。

另外，本書亦適合於大專院校初級的程式設計課程，於第1 章至第7 章的Python 程式語言的基本語法與編寫程式基本技巧中，每一章皆附有範例供讀者練習或教師驗收學習成果。本書得以順利出版，首先感謝五南圖書公司的鼎力支持與協助，還有對我容忍有加的家人以及默默協助我的同事、學生。由於編寫時間倉促、後學水準亦有限，書中內容或有誤謬之處，在所難免。在此先向諸位先進與讀者致上十二萬分的歉意，並盼各方賢達能以正面思考之方式，提供後學補遺、改進之契機。

陳寬裕

本書將要來介紹 Python 這一套功能強大、直譯式並且屬於物件導向的高階程式語言。你或許聽過，或許沒聽過，但現在可藉由來認識它了。

Python 程式語言特別強調其簡潔與清晰的語法特點，它易讀、易懂、易學。此外，於程式開發的效率性、解決各種難度的應用上，亦相當優越，並可在大多數的系統中運行，以減少開發及維護的成本。Python 同時亦支援modules 和 packages 的應用概念，使其擴展性更為精進。這種功能強大而完善的通用型語言，可適用於開發各類的應用程式，至使 Python 吸引了許多程式設計師的目光，雖然至今僅有十多年的歷史，但...

自　序
Chapter 01 Python 簡介
1-1　何謂程式設計
1-2　Python 程式設計的特點
1-3　選擇 Python 作為第一種程式語言的理由
1-4　安裝Python 與環境設定
1-5　安裝編輯器：Visual Studio Code
1-6　建置Anaconda 開發環境

Chapter 02 資料型態
2-1　Python 處理的資料類型
2-2　數值型態
2-3　字串型態
2-4　變數
2-5　數值和字串間型態的轉換

Chapter 03 流程控制
3-1　流程控制的構成要素
3-2　條件分岐
3-3　input 函式
3-4　條件運算式的組成
3-5　多向的條件分岐

Chapter 04 串列與迴圈
4-1　串列的意義與操作
4-2　for 迴圈
4-3　for 迴圈和if 敘述的組合運用
4-4　range() 函式
4-5　亂數的運用
4-6　break 及continue 命令
4-7　while 迴圈
4-8　進階串列操作

Chapter 05 元組、字典與集合
5-1　元組
5-2　字典
5-3　集合

Chapter 06 函式
6-1　函式的意義
6-2　函式的參數
6-3　函式與變數的作用範圍

Chapter 07 錯誤與例外
7-1　錯誤的型態
7-2　例外
7-3　例外處理
7-4　錯誤的種類

Chapter 08 網頁爬蟲的簡單範例
8-1　網頁爬蟲（Web Scraping）
8-2　網路爬蟲的執行步驟
8-3　向網路伺服器發送請求服務的訊息
8-4　解析網頁資訊
8-5　 BeautifulSoup 的運用：於自由時報電子報網站進行爬蟲

Chapter 09 向伺服器發送請求的方式
9-1　網頁爬蟲的基本步驟
9-2　送出簡單的GET 請求
9-3　送出帶有參數的GET 請求
9-4　送出帶有參數的GET 請求至Ajax 網頁
9-5　送出帶有Cookie 的GET 請求
9-6　送出帶有Headers 的GET 請求
9-7　以form 形式發送POST 請求
9-8　送出帶有登入Cookie 的POST 請求
9-9　模擬登入

Chapter 10 萃取有用資訊
10-1　網頁萃取的工作內容
10-2　本章所使用的範例網頁
10-3　走訪DOM 文件樹
10-4　搜尋DOM 文件樹
10-5　CSS 選擇器

Chapter 11 爬取「PChome 24h 購物」的商品資料
11-1　PChome 24h 購物網站
11-2　確認標的網站的URL 網址
11-3　送出 HTTP 請求，取得頁面資料（JSON 格式）
11-4　解析結果頁面資料，獲取商品資訊
11-5　將商品詳細資料，存入Excel 檔案中
11-6　建立主程式

Chapter 12 爬取「Google 學術搜尋」的論文資料
12-1　確認標的網站的URL 網址
12-2　送出HTTP 請求，取得搜尋結果頁面資料
12-3　取得各分頁的連結url
12-4　解析分頁資料，獲取分頁內的論文資料
12-5　彙總所有分頁的論文資料
12-6　將論文詳細資料，存入Excel 檔案中
12-7　建立主程式
12-8　執行爬蟲程式
12-9　使用平行處理技術
12-10　有關爬取Google 學術搜尋的結語

Chapter 13 爬取「PTT 八卦版」的PO 文資料
13-1　確認標的網站的URL 網址
13-2　送出HTTP 請求，取得頁面資料
13-3　取得八卦版目前總頁數
13-4　取得各分頁的連結url
13-5　取得各分頁中的PO 文標題
13-6　彙總所有分頁的PO 文標題
13-7　取得每篇PO 文之發言內容
13-8　彙整所有PO 文的相關資訊
13-9　將PO 文的詳細資料，存入Excel 檔案中
13-10　建立主程式

Chapter 14 書籍比價爬蟲
14-1　確認標的網站的URL 網址
14-2　送出HTTP 請求，取得頁面資料
14-3　取得搜尋結果的總頁數
14-4　取得各分頁的連結
14-5　取得每本書的詳細資料
14-6　取得每本書於誠品、金石堂的價格
14-7　取得分頁中各書籍的其它基本資料與比價資料
14-8　彙整所有書籍資料
14-9　將書籍比價資料，存入Excel 檔案中
14-10　建立主程式

Chapter 15 製作文字雲
15-1　簡介
15-2　建立主程式
15-3　取得所有PO 文的發言內容
15-4　繪製文字雲
15-5　繪製長條圖

自　序
Chapter 01 Python 簡介
1-1　何謂程式設計
1-2　Python 程式設計的特點
1-3　選擇 Python 作為第一種程式語言的理由
1-4　安裝Python 與環境設定
1-5　安裝編輯器：Visual Studio Code
1-6　建置Anaconda 開發環境

Chapter 02 資料型態
2-1　Python 處理的資料類型
2-2　數值型態
2-3　字串型態
2-4　變數
2-5　數值和字串間型態的轉換

Chapter 03 流程控制
3-1　流程控制的構成要素
3-2　條件分岐
3-3　input 函式
3-4　條件運算式的組成
3-5　多向的條件分岐

Chapter 04 串列與迴圈
...