Python网络数据采集
58推荐 收藏
141.8K阅读

Python网络数据采集

Ryan Mitchell (作者) 陶俊杰 , 陈小莉 (译者)
暂时缺货 python 数据挖掘 大数据 网络爬虫 数据采集
2016年最受欢迎电子书 技术类TOP10，全榜单：http://www.ituring.com.cn/article/273709
第2版已发布：http://www.ituring.com.cn/book/1980
本书适合熟悉Python的程序员、安全专业人士、网络管理员阅读。书中不仅介绍了网络数据采集的基本原理，还深入探讨了更高级的主题，比如分析原始数据、用网络爬虫测试网站等。此外，书中还提供了详细的代码示例，以帮助你更好地理解书中的内容。

通过阅读本书，你将能够：

解析复杂的HTML页面
遍历多个网页和网站
了解API的基本概念和工作原理
学习存储数据的方法
下载、读取并抽取网络文档中的数据
使用工具和方法清洗格式异常的数据
读取并处理自然语言
越过表单和登录窗口采集数据
学习采集JavaScript的方法
学习图像处理和文字识别方法

“这本书中的工具和示例帮我轻松地将一些重复性工作自动化了，我可以将省下来的时间用于解决更有意思的问题。这是一本实用手册，非常适合用来解决实际工作中的问题。”——Eric VanWyk，美国欧林工程学院电子计算机工程师
纸质书
￥46.61 ￥59.00
暂无样书

其他购买方式？

出版信息

所属分类

本书特色

网络上的数据量越来越大，单靠浏览网页获取信息越来越困难，如何有效地提取并利用信息已成为一个巨大的挑战。本书采用简洁强大的Python语言，全面介绍网络数据采集技术，教你从不同形式的网络资源中自由地获取数据。你将学会如何使用Python脚本和网络API一次性采集并处理成千上万个网页上的数据。

目录

版权声明 阅读
O'Reilly Media, Inc. 介绍 阅读
译者序 阅读
前言 阅读
第一部分　创建爬虫 阅读
第 1 章　初见网络爬虫 阅读
第 2 章　复杂 HTML 解析 阅读
第 3 章　开始采集 阅读
第 4 章 使用 API
第 5 章　存储数据
第 6 章　读取文档
第二部分　高级数据采集
第 7 章　数据清洗
第 8 章　自然语言处理
第 9 章　穿越网页表单与登录窗口进行采集
第 10 章　采集 JavaScript
第 11 章　图像识别与文字处理
第 12 章　避开采集陷阱
第 13 章　用爬虫测试网站
第 14 章　远程采集
附录 A　Python 简介
附录 B　互联网简介
附录 C　网络数据采集的法律与道德约束
作者简介
封面介绍

作者介绍

<作者简介>
Ryan Mitchell是数据科学家、软件工程师，目前在波士顿LinkeDrive公司负责开发公司的API和数据分析工具。此前，曾在Abine公司构建网络爬虫和网络机器人。她经常做网络数据采集项目的咨询工作，主要面向金融和零售业。另著有Instant Web Scraping with Java。

<译者简介>
陶俊杰
长期从事数据分析工作，酷爱Python，每天都和Python面对面，乐此不疲。本科毕业于北京交通大学机电学院，硕士毕业于北京交通大学经管学院。曾就职于中国移动设计院，目前在京东任职。
陈小莉
长期从事数据分析工作，喜欢Python。本科与硕士毕业于北京交通大学电信学院。目前在中科院从事科技文献与专利分析工作。

大家也喜欢

相关文章

  • ifelif
    看到勘误里已经有对第四次印刷的勘误了，为什么电子版还是第一次印刷的版本？勘误里的问题在电子版里也没有修订，依然存在！
    ifelif  发表于 2016-07-19 11:47:37
    推荐

    • 貌似图灵的电子版更新的不够及时

      威灵顿  发表于 2016-10-06 20:13:17
  • liiyee
    作为稍微有点编程基础，尤其是web基础的人来说，这本书作为爬虫入门再合适不过，书的内容不错，作者写的也不错。而且这本书后半部分终于让人明白了 为什么Python是网络爬虫的最佳编程工具。
    liiyee  发表于 2016-08-24 00:33:26
    推荐

    • 为什么啊，不要吊胃口啊兄弟

      bliu23  发表于 2016-10-10 20:56:12

    • @bliu23 这是个陈述句啊兄弟

      okface  发表于 2017-11-01 14:00:47

    • 兄弟,1年前的帖子了啊,感谢回复^^

      bliu23  发表于 2017-11-04 14:34:00
  • cuing
    勘误中的问题，为什么电子版还有。
    cuing  发表于 2016-06-15 13:32:20
    推荐
  • Taipa
    期待电子版
    Taipa  发表于 2016-02-29 23:19:48
    推荐

    • 是的，可以在浏览器里面copy代码。

      simonclickk  发表于 2016-03-01 15:38:15
  • simonclickk
    看了英文电子版的，是python3，很好。大多python3的书是教编程的，将应用的很少。这个是讲应用，不错。
    simonclickk  发表于 2016-03-02 09:06:15
    推荐

    • 哪里有电子版啊

      于杰  发表于 2016-03-02 20:16:47

    • 在版权保护不严格的国度是可以找到英文电子版全文本的。不过国外似乎也可以找到。

      simonclickk  发表于 2016-03-03 09:51:01
  • XiaoKuiKui
    有电子版本的吗？
    XiaoKuiKui  发表于 2016-03-04 17:59:29
    推荐

    • 稍后会有的。

      岳新欣  发表于 2016-03-07 10:53:22

    • 必须有电子版，可以实时copy代码。尤其对于爬虫这种实验性强，并且被爬网站内容很可能变了。是的，即使是python也要copy/paste

      simonclickk  发表于 2016-03-08 16:47:17
  • XiaoKuiKui
    什么时候可以买？
    XiaoKuiKui  发表于 2016-03-05 09:20:54
    推荐

    • 正在印刷中，中旬就可以上市了。

      岳新欣  发表于 2016-03-07 10:53:12
  • Tio
    电子版 能不能先上
    Tio  发表于 2016-03-08 19:02:20
    推荐

    • 先后没有关系，先看英文电子版。值得话再买入。

      simonclickk  发表于 2016-03-11 14:30:26
  • 叶永
    还有多久才能出来
    叶永  发表于 2016-03-17 22:52:24
    推荐

    • 下周差不多了。

      岳新欣  发表于 2016-03-18 08:55:29
  • jingouwangzi
    urllib.error.URLError: <urlopen error [WinError 10061] 由于目标计算机积极拒绝，无法连接。这个错误如何解决
    jingouwangzi  发表于 2016-04-28 13:41:34
    推荐

    • 这个要修改发送HTTP HEAD，模拟浏览器登录！

      ifelif  发表于 2016-07-19 11:54:33
  • Rayer
    不建议初学者购买这本书，书中代码很多错误，初学者会抓狂的，我都考虑放弃这本书了。
    Rayer  发表于 2016-08-09 11:12:46
    推荐

    • 我去年就弃过一次了，当时买的是电子版。现在又拿第三次印刷的纸本书开始看了。电子版的错误一直没纠正。。。。。

      说书人  发表于 2017-03-30 15:26:51

    • 是翻译错误还是原版就是错的？

      shawbin  发表于 2017-06-26 16:45:52

    • 我去，我被坑了，这本书真的不好，很多讲都不讲的

      snowx  发表于 2018-01-12 21:25:52
  • 罗世伟
    好期待，现在正在用Python+Selenium做爬虫，爬取动态网页的数据，这本书来得很及时啊。
    罗世伟  发表于 2016-03-01 21:49:01
    推荐
  • Taipa
    好想看，好想看，好想看，好像现在就看，电子版
    Taipa  发表于 2016-03-12 03:14:28
    推荐
  • Taipa
    能买了！能买了！电子版能直接买了！！！
    Taipa  发表于 2016-03-18 11:37:25
    推荐
  • 张宁宁
    电子版先上架了，赞一个，虽然已经看上英文版了
    张宁宁  发表于 2016-03-22 18:14:24
    推荐