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

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

內容簡介

內容簡介 內容介紹: 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

作者介紹

作者介紹 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。

產品目錄

產品目錄 目錄: ▌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 JSON1-5 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 HTML 網頁3-5 使用正規表達式搜尋 HTML 網頁▌第 4 章 使用 CSS 選擇器爬取資料4-1 認識 CSS 層級式樣式表4-2 使用 CSS 選擇器定位 HTML 標籤4-3 Google Chrome 開發人員工具4-4 ChatGPT 應用：找出定位 HTML 標籤的 CSS 選擇器4-5 在 BeautifulSoup 使用 CSS 選擇器▌第 5 章 走訪 HTML 網頁取出資料與資料儲存5-1 如何走訪 HTML 網頁5-2 走訪 HTML 網頁取得資料5-3 修改 HTML 網頁來爬取資料5-4 資料清理5-5 將取得資料儲存成 CSV 和 JSON 檔案5-6 從網路下載圖檔▌第 6 章 使用 XPath 表達式與 lxml 套件建立爬蟲程式6-1 XPath 與 lxml 套件的基礎6-2 使用 Requests 和 lxml 套件6-3 XPath 資料模型6-4 XPath 基本語法6-5 XPath 運算子與函式6-6 ChatGPT 應用：學習 XPath 表達式查詢 HTML 標籤▌第 7 章 Selenium 表單互動與動態網頁擷取7-1 認識動態網頁7-2 安裝 Selenium7-3 Selenium 的基本使用7-4 定位網頁資料與例外處理7-5 與 HTML 表單進行互動7-6 JavaScript 動態網頁擷取▌第 8 章 Scrapy 爬蟲框架8-1 Scrapy 爬蟲框架的基礎8-2 使用 Scrapy Shell8-3 建立 Scrapy 專案的爬蟲程式8-4 在專案使用 Item 和 Item Pipeline8-5 輸出 Scrapy 爬取的資料▌第 9 章 Python × ChatGPT 網路爬蟲9-1 Python 爬蟲程式的常見問題9-2 Requests + BeautifulSoup 爬蟲實作案例9-3 Selenium 爬蟲實作案例9-4 Scrapy 爬蟲實作案例▌第 10 章 在 Python 使用 LLM 大型語言模型10-1 認識生成式 AI 與 LLM10-2 使用 OpenAI 的 ChatGPT API10-3 使用 Google 的 Gemini API10-4 LLM API 服務：Groq API10-5 使用 Ollama 打造本機 LLM▌第 11 章 Python × AI 網路爬蟲（一）：非同步程式設計 + Crawl4AI11-1 Python 非同步程式設計11-2 Crawl4AI 的基本使用11-3 內容篩選和客製化 Markdown 輸出11-4 CSS 與 XPath 的 Schema 資料擷取11-5 LLM 驅動的 AI 資料篩選與提取11-6 深度爬取和 JavaScript 動態網頁處理▌第 12 章 Python × AI 網路爬蟲（二）：ScrapeGraphAI12-1 ScrapeGraphAI 簡介與環境設定12-2 基礎 Graph：SmartScraperGraph 與 SmartScraperMultiGraph12-3 文字轉語音 Graph：SpeechGraph12-4 腳本生成 Graph：ScriptCreatorGraph 與 ScriptCreatorMultiGraph▌第 13 章 視覺化 AI 工作流程：n8n13-1 認識 n8n 與工作流程13-2 安裝與啟動 n8n 社群版13-3 建立你的第 1 個工作流程13-4 建立你的第 1 個 AI 工作流程13-5 n8n 常用節點的使用▌第 14 章 爬取知識庫的資料：SearXNG + Crawl4AI API14-1 安裝、啟動與使用 Crawl4AI API14-2 使用 SearXNG API14-3 爬取 RAG 所需的知識庫資料14-4 在 n8n 建立爬蟲程式和使用 SearXNG + Crawl4AI API▌第 15 章 建立你自己的知識庫：Qdrant 向量資料庫15-1 Embedding 模型：文字資料向量化15-2 安裝與使用 Qdrant 向量資料庫15-3 在 Python 程式使用 Qdrant 向量資料庫15-4 建立你的知識庫：將文本內容存入向量資料庫15-5 在 n8n 使用 Qdrant 向量資料庫▌第 16 章 打造你自己的客製化 LLM：AI Agent、MCP 與 RAG 系統16-1 認識 AI Assistant、RAG、AI Agent 和 MCP16-2 使用 Python 手把手打造本機 RAG 系統16-3 n8n 的 AI Agent 與 Tool16-4 n8n 的 AI Agent 與 MCP16-5 在 n8n 建立 RAG 的客製化 LLM▌附錄 A Python 開發環境：Anaconda 與 WinPython 客製化套件（電子書）A-1 建立 Anaconda 的 Python 開發環境A-2 安裝本書客製化的 WinPython 可攜式套件A-3 使用 Thonny 的 Python IDE

商品規格

最佳賣點

最佳賣點 : 打造 AI 爬蟲與資料檢索的全本機工作流！

活動

• 3/3前 全站滿$5,000折$500
• 3/3前 全站滿$1,500折$138
• 3/3前 全站滿$2,000折$200