O'Reilly精品图书推荐：Python网络数据采集

书名：Python网络数据采集

作者：Ryan Mitchell 著

译者：陶俊杰, 陈小莉 译

国内出版社：人民邮电出版社

出版时间：2016年03月

页数：200

书号：978-7-115-41629-2

原版书书名：Web Scraping with Python

原版书出版商：O'Reilly Media

---

内容介绍

---

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。

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

---

作者介绍

---

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。