×
網站擷取｜使用Python 第三版
作者： Ryan Mitchell
譯者：賴屹民
書號： A774
出版日： 2025/08/22
ISBN：9786264250948
附件： 線上下載
定價： 720
電子書： 未出版
內容特色
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
作者介紹
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。
序
電腦程式設計對尚未掌握技巧的人來說如同一種魔法。如果說程式設計就像魔法，那麼網路抓取就像巫術了，所謂的巫術，就是輕鬆寫意地施展魔法來實現令人印象深刻且實用的壯舉。

在我擔任軟體工程師的時期，很少程式設計實務可以像網路爬取一樣，讓程式設計師和外行人都備感期待。寫一個簡單的自主程式來收集資料，並將那些資料顯示在終端機上或儲存在資料庫裡並非難事，但無論你完成幾次，那種令人振奮的體驗和無限可能的感受都不會消失。

遺憾的是，當我和其他程式設計師討論網路爬取時，他們依然對這一門技術有一些誤解與困惑。有些人不確定這樣做是否合法（它是合法的），或不知道如何處理大量使用 JavaScript 的網頁，或需要登入才能爬取的情況。很多人不明白如何啟動大型的網路爬蟲專案，甚至不知道該去哪裡尋找資料。本書的目標是解答這些常見的疑問與誤解，並提供大多數網路爬取任務的完整指南。

網路爬取是一個多樣且變化迅速的領域，本書試著提供高階的概念和具體的範例，希望涵蓋你可能會遇到的各種資料收集專案。在整本書中，我提供許多程式來示範這些概念，並讓你實際操作它們；所有程式範例都可以在 GitHub 上閱讀和下載。這些範例程式可以自由使用和修改，無論你是否註明來源（當然，若能註明來源，我將感激不盡）。
章節目錄
第一部分 建構爬蟲
第 1 章 網際網路的運作方式
第 2 章 網頁爬蟲的法律問題與道德原則
第 3 章 網頁爬蟲的應用
第 4 章 寫出你的第一個網路爬蟲
第 5 章 進階 HTML 解析
第 6 章 編寫網路爬蟲
第 7 章 網頁爬取模型
第 8 章 Scrapy
第 9 章 儲存資料

第二部分 進階抓取
第 10 章 讀取文件
第 11 章 處理髒資料
第 12 章 讀寫自然語言
第 13 章 藉由表單與登入來爬網
第 14 章 抓取 JavaScript
第 15 章 透過 API 來爬取資料
第 16 章 圖片處理與文字辨識
第 17 章 避免抓取陷阱
第 18 章 使用爬蟲來測試你的網站
第 19 章 平行爬網
第 20 章 網路爬蟲代理













網站擷取｜使用Python 第三版 分享
  • 作者： Ryan Mitchell
  • 書號：A774
  • ISBN：9786264250948
  • 出版日：2025/08/22
  • 定價：$ 720
  • 電子書：已出版

    • 購買紙本書

    金石堂  MOMO  天瓏  博客來  
    內容特色
    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
    作者介紹
    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。
    序
    電腦程式設計對尚未掌握技巧的人來說如同一種魔法。如果說程式設計就像魔法，那麼網路抓取就像巫術了，所謂的巫術，就是輕鬆寫意地施展魔法來實現令人印象深刻且實用的壯舉。

    在我擔任軟體工程師的時期，很少程式設計實務可以像網路爬取一樣，讓程式設計師和外行人都備感期待。寫一個簡單的自主程式來收集資料，並將那些資料顯示在終端機上或儲存在資料庫裡並非難事，但無論你完成幾次，那種令人振奮的體驗和無限可能的感受都不會消失。

    遺憾的是，當我和其他程式設計師討論網路爬取時，他們依然對這一門技術有一些誤解與困惑。有些人不確定這樣做是否合法（它是合法的），或不知道如何處理大量使用 JavaScript 的網頁，或需要登入才能爬取的情況。很多人不明白如何啟動大型的網路爬蟲專案，甚至不知道該去哪裡尋找資料。本書的目標是解答這些常見的疑問與誤解，並提供大多數網路爬取任務的完整指南。

    網路爬取是一個多樣且變化迅速的領域，本書試著提供高階的概念和具體的範例，希望涵蓋你可能會遇到的各種資料收集專案。在整本書中，我提供許多程式來示範這些概念，並讓你實際操作它們；所有程式範例都可以在 GitHub 上閱讀和下載。這些範例程式可以自由使用和修改，無論你是否註明來源（當然，若能註明來源，我將感激不盡）。
    章節目錄
    第一部分 建構爬蟲
    第 1 章 網際網路的運作方式
    第 2 章 網頁爬蟲的法律問題與道德原則
    第 3 章 網頁爬蟲的應用
    第 4 章 寫出你的第一個網路爬蟲
    第 5 章 進階 HTML 解析
    第 6 章 編寫網路爬蟲
    第 7 章 網頁爬取模型
    第 8 章 Scrapy
    第 9 章 儲存資料

    第二部分 進階抓取
    第 10 章 讀取文件
    第 11 章 處理髒資料
    第 12 章 讀寫自然語言
    第 13 章 藉由表單與登入來爬網
    第 14 章 抓取 JavaScript
    第 15 章 透過 API 來爬取資料
    第 16 章 圖片處理與文字辨識
    第 17 章 避免抓取陷阱
    第 18 章 使用爬蟲來測試你的網站
    第 19 章 平行爬網
    第 20 章 網路爬蟲代理