Python網路爬蟲與資料分析入門實戰

期:
2018/10/03
電子書
$
304
紙本書
$
405
9
450405
想自動化生活瑣事?想透過程式擷取網路上的公開資訊?學了Python卻不知道有什麼實際應用?正在尋找入門難度低且成就感高的Python專案?想知道網路爬蟲如何與資料分析結合?本書一次教給你!

內容簡介

想自動化生活瑣事?想透過程式擷取網路上的公開資訊?學了Python卻不知道有什麼實際應用?正在尋找入門難度低且成就感高的Python專案?想知道網路爬蟲如何與資料分析結合?本書一次教給你!

本書適合閱讀的對象:
● 對網路爬蟲程式或資料分析有興趣者
● 想自動化生活瑣事(例如自動追蹤網站特價通知、節省資料收集的時間等),化被動資訊接收為主動
● Python新手或入門級讀者(知道何謂變數、if 判斷式與迴圈,寫過一些小程式),想練習低門檻及高成就感的Python專案

● 基於熱門線上課程與實體教學的學員迴響重新編寫及增補而成的實戰書籍
● 以台灣讀者熟悉的網站為範例(PTT、Dcard、台灣證交所、蘋果日報網站、Yahoo奇摩電影、Google Maps API、IMDB電影資料庫等)的Python網路爬蟲程式教學
● 由淺入深,以實務需求為導向,涵蓋爬蟲常用函式庫、資料儲存、文件編碼、表單及登入頁處理、爬蟲程式被封鎖的常見原因等經驗談
● 全新的資料分析章節,包含三個爬蟲程式的經典應用:量化投資、影評情緒分析與商品特價通知

產品目錄

Chapter 01 環境設定與網頁爬蟲初探

1-1 環境設定及套件安裝:Anaconda

1-2 使用IDE:PyCharm

1-3 使用Jupyter Notebook

1-4 網頁文件解構與網頁爬蟲初探



Chapter 02 Beautiful Soup 講解與網頁解構

2-1 不要重複造輪子:寫爬蟲之前

2-2 Beautiful Soup 重要功能 (find(), find_all(), .text, .stripped_strings)

2-3 網頁結構巡覽(parent, children, siblings)

2-4 正規表示式 (Regular Expression)



Chapter 03 網頁爬蟲範例實戰

3-1 PTT 八卦板今日熱門文章

3-2 Yahoo 奇摩電影本週新片

3-3 兩大報當日焦點新聞

3-4 Google 搜尋股價資訊

3-5 Dcard 今日熱門文章



Chapter 04 使用 API

4-1 API 簡介

4-2 PTT 八卦板眾來源分佈 (ipstack.com)

4-3 IMDB API

4-4 Google Maps APIs (Google Geocoding/Places API)

4-5 Dcard API



Chapter0 5 資料儲存

5-1 儲存圖片與多媒體檔案

5-2 儲存資料到 CSV 檔

5-3 儲存資料到資料庫 SQLite



Chapter 06 不同編碼與類型的文件

6-1 非 UTF-8 編碼的文件

6-2 XML 文件



Chapter 07 進階爬蟲議題

7-1 處理表單及登入頁 :台灣高鐵時刻查詢

7-2 處理表單及登入頁 :Yelp 登入

7-3 使用WebDriver:台銀法拍屋資訊查詢

7-4 爬蟲程式經驗談:被封鎖的常見原因、常用 Header 欄位、網站隱藏欄位、使用代理伺服器



Chapter 08 資料分析實戰

8-1 台股每日盤後資訊爬蟲及策略回測(量化投資)

8-2 電影評論情緒分析(中文自然語言處理與機器學習)

8-3 商品特價 Gmail 通知:Costco 商品網頁



附表 本書範例目標網站列表



附錄A 在 Mac 安裝Anaconda 開發環境



附錄B Python 爬蟲框架Scrapy 入門教學

B-1 Scrapy 環境安裝

B-2 簡易部落格爬蟲

B-3 Scrapy 系統架構

B-4 博客來網路書店爬蟲

作者介紹

■作者簡介

林俊瑋
熱門開源專案「PTT網路版爬蟲」作者。加州大學爾灣分校(UC Irvine)博士候選人,研究領域為軟體測試自動化,曾執行包含網頁及手機 App 爬蟲實作的多個研究專案,也曾在國外知名研究機構及國內軟體公司實習,並有多年政府資訊部門工作與介接政府開放資料經驗。

林修博
台灣大學電子工程研究所畢業,目前任職於軟體公司擔任全端工程師。有多年爬蟲撰寫經驗,並且將其商用化。

規格

誠品貨碼 / 2681665344005
ISBN13 / 9789864343386
ISBN10 / 9864343386
EAN貨碼 / 9789864343386
頁數 / 256
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X17X2.3CM
級別 / N:無

退貨說明

退貨須知:

  1. 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
  2. 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。

依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:

  1. 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
  2. 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
  3. 報紙、期刊或雜誌。
  4. 經消費者拆封之影音商品或電腦軟體。
  5. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
  6. 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
  7. 國際航空客運服務。

若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:

  1. 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
  2. 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
  3. 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
  4. 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
  5. 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
  6. 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送