互联网包含了迄今为止最有用的数据集,并且大部分可以免费公开访问。但是,这些数据难以复用。它们被嵌入在网站的结构和样式当中,需要抽取出来才能使用。从网页中抽取数据的过程又称为网络爬虫,随着越来越多的信息被发布到网络上,网络爬虫也变得越 来越有用。
在理想状态下,网络爬虫并不是必需品,每个网站都应该提供API,以结构化的格式共享它们的数据。然而在现实情况中,虽然一些网 站已经提供了这种API,但是它们通常会限制可以抓取的数据,以及访问这些数据的频率。另外,网站开发人员可能会变更、移除或限 制其后端API。总之,我们不能仅仅依赖于API 去访问我们所需的在线数据,而是应该学习一些网络爬虫技术的相关知识。
《用Python写网络爬虫第2版》中文PDF,212页,带书签目录,文字可以复制;《用Python写网络爬虫第2版》英文PDF,215页,带书签目录,文字可以复制;配套源代码。
《用Python写网络爬虫第2版》PDF中英文+代码
下载: https://pan.baidu.com/s/1vq5rPDa8jHK5IBoSms3qRQ
提取码: sjq6
《用Python写网络爬虫第2版》包括网络爬虫的定义以及如何爬取网站,如何使用几种库从网页中抽取数据,如何通过缓存结果避免重 复下载的问题&