數(shù)據(jù)科學實戰(zhàn)之網(wǎng)絡爬?。篜ython實踐和示例

譯者序

作者簡介

技術審校者簡介

前言

第一部分　網(wǎng)絡爬取基礎

第1章　簡介2

1.1　什么是網(wǎng)絡爬取2

1.1.1　網(wǎng)絡爬取為什么用于數(shù)據(jù)科學2

1.1.2　誰在使用網(wǎng)絡爬取4

1.2　準備工作6

1.2.1　設置6

1.2.2　Python 快速入門7

第2章　網(wǎng)絡傳輸協(xié)議HTTP18

2.1　網(wǎng)絡的魔力18

2.2　超文本傳輸協(xié)議20

2.3　Python中的HTTP—Requests庫25

2.4　帶參數(shù)的URL查詢字符串28

第3章　HTML和CSS36

3.1　超文本標記語言HTML36

3.2　將瀏覽器用作開發(fā)工具38

3.3　層疊樣式表CSS42

3.4　Beautiful Soup庫45

3.5　有關Beautiful Soup的更多內(nèi)容53

第二部分　高級網(wǎng)絡爬取

第4章　深入挖掘HTTP60

4.1　使用表單和POST請求60

4.2　其他HTTP請求方法71

4.3　關于頭的更多信息73

4.4　使用Cookie79

4.5　requests庫的session對象87

4.6　二進制、JSON和其他形式的內(nèi)容89

第5章　處理JavaScript93

5.1　什么是JavaScript93

5.2　爬取JavaScript94

5.3　使用Selenium爬取網(wǎng)頁98

5.4　Selenium的更多信息109

第6章　從網(wǎng)絡爬取到網(wǎng)絡爬蟲115

6.1　什么是網(wǎng)絡爬蟲115

6.2　使用Python實現(xiàn)網(wǎng)絡爬蟲117

6.3　數(shù)據(jù)庫存儲120

第三部分　相關管理問題及最佳實踐

第7章　網(wǎng)絡爬取涉及的管理和法律問題130

7.1　數(shù)據(jù)科學過程130

7.2　網(wǎng)絡爬取適合用于哪里133

7.3　法律問題134

第8章　結語139

8.1　其他工具139

8.1.1　其他Python庫139

8.1.2　Scrapy庫140

8.1.3　緩存140

8.1.4　代理服務器141

8.1.5　基于其他編程語言的爬取141

8.1.6　命令行工具142

8.1.7　圖形化的爬取工具142

8.2　最佳實踐和技巧143

第9章　示例147

9.1　爬取Hacker News網(wǎng)頁148

9.2　使用Hacker News API150

9.3　爬取引用信息 150

9.4　爬取書籍信息154

9.5　爬取GitHub上項目被收藏的次數(shù)156

9.6　爬取抵押貸款利率160

9.7　爬取和可視化IMDB評級165

9.8　爬取IATA航空公司信息166

9.9　爬取和分析網(wǎng)絡論壇的互動171

9.10　收集和聚類時尚數(shù)據(jù)集177

9.11　Amazon評論的情感分析180

9.12　爬取和分析維基百科關聯(lián)圖188

9.13　爬取和可視化董事會成員圖194

9.14　使用深度學習破解驗證碼圖片197
......