LLM × 網路爬蟲終極實戰：n8n 串接資料爬取 × Qdrant × RAG 打造本機 AI Agent

的圖書

LLM × 網路爬蟲終極實戰：n8n 串接資料爬取 × Qdrant × RAG 打造本機 AI Agent【金石堂、博客來熱銷】

作者：陳會安　
出版社：旗標科技股份有限公司
出版日期：2025-11-27

圖書選購

價格	供應商	所屬目錄
$ 833	金石堂 KingStone	人工智慧／機器學習
$ 882	誠品網路書店	電腦資訊總論
$ 931	TAAZE 讀冊生活	中文書
$ 931	三民網路書店	科學‧科普
$ 931	iRead灰熊愛讀書	電腦總論

圖書名稱：LLM × 網路爬蟲終極實戰：n8n 串接資料爬取 × Qdrant × RAG 打造本機 AI Agent

身處 LLM 時代的必備技能

AI 爬蟲與資料檢索的全本機工作流

你還在用傳統的方法爬取網路資料嗎？
還在手動分析 HTML 網頁結構、逐一定位網頁元素、再手刻爬蟲程式嗎？

身處 AI 世代，是時候該學習更聰明、更高效的資料收集方法，
讓你坐在電腦前，喝著咖啡、悠閒地看著 AI 為你自動爬取網路資料。

在 AI 飆速發展的今天，傳統網路爬蟲技術正迎來全新的變革。
過去，Python 爬蟲程式的開發者必須自行剖析 HTML 網頁結構，撰寫繁瑣複雜的資料擷取規則與步驟；如今，隨著 LLM 的普及，AI 已能協助我們理解 HTML 網頁結構、定位網頁資料，甚至能夠自動化建立整個爬取流程，大幅提升開發效率。

本書從 HTML 結構解析入門，循序講解 BeautifulSoup + CSS 選擇器、lxml + XPath 表達式、正規表達式等核心技術，再深入 Selenium 模擬瀏覽器互動及 Scrapy 爬蟲框架的專業應用，帶領讀者全面掌握靜態與動態網頁擷取技術。更進一步結合 Playwright 自動化瀏覽器、以及 AI 驅動的爬蟲框架 Crawl4AI 和 ScrapeGraphAI，讓 LLM 成為理解與提取網頁資料的主力。

不只如此，本書採用 n8n × Ollama 全本機架構，無需 API Key、無需 Docker，即可整合 SearXNG 搜尋引擎、Crawl4AI API 資料爬取、Qdrant 向量資料庫與 RAG 知識檢索生成，最終打造出 MCP + AI Agent 自動化流程 ⸺ 從搜尋、爬取到資料處理與知識生成一手包辦！
本書特色:
用 AI 分析 HTML 結構建立 Python 網路爬蟲
▸全面掌握靜態與動態 HTML 網頁擷取技術，CSS Selector、XPath 一次上手
▸實戰演練 BeautifulSoup、Selenium、Scrapy 經典 Python 爬蟲框架

Python × LLM 建立 AI 網路爬蟲
▸整合 OpenAI、Gemini、Groq、Ollama 等多種 LLM，打造智慧爬蟲系統
▸運用 AI 驅動的爬蟲技術 Crawl4AI 與 ScrapeGraphAI，自動理解並提取網頁內容
▸結合非同步程式設計，提升資料抓取效率與彈性

整合 Python × AI 網路爬蟲的 AI 工作流程：n8n
▸以視覺化介面建立自動化流程，輕鬆整合搜尋、爬取與資料處理
▸結合 Qdrant 向量資料庫 × RAG 技術，打造個人化知識檢索系統
▸構建全本機 AI Agent 工作流，實現從資料擷取到生成的自動化流程

作者簡介：

陳會安
學歷：美國猶他州州立大學電腦碩士
經歷：多所大專院校企業講師、松崗電腦產品經理、美商 PH 出版經理、專業電腦書作者

國內知名資訊技術作家，已出版逾 100 本電腦著作，包括：程式設計、網頁設計、資料庫、系統分析、資料結構等各種不同主題。近年研究人工智慧、機器學習 / 深度學習、資料科學、網路爬蟲、大數據分析和物聯網相關課程與圖書寫作，也熱衷利用 Raspberry Pi、Arduino、ESP8266 / ESP32 和 Micro:bit 等開發板製作創客作品，投入創客領域的教學與寫作。

▌第 1 章 HTML、JSON 與網路爬蟲的基礎
1-1 網路爬蟲的基礎
1-2 網路爬蟲的相關技術
1-3 HTML 標籤語法與結構
1-4 CSV 與 JSON
1-5 Python × AI 網路爬蟲的相關函式庫

▌第 2 章從網路取得資料
2-1 認識 HTTP 標頭與 httpbin.org 服務
2-2 使用 Requests 送出 HTTP 請求
2-3 取得 HTTP 回應內容
2-4 送出進階的 HTTP 請求
2-5 錯誤 / 例外處理與檔案存取

▌第 3 章擷取靜態 HTML 網頁資料
3-1 在 HTML 網頁定位目標資料
3-2 使用 BeautifulSoup 剖析 HTML 網頁
3-3 分析靜態 HTML 網頁
3-4 使用 find() 函式搜尋...

顯示全部內容

回上面

贊助商廣告