Python網路爬蟲：大數據擷取、清洗、儲存與分析 王者歸來(第二版)

第零章 認識網路爬蟲
0-1 認識HTML
0-2 網路地址URL
0-3 爬蟲的類型
0-4 搜尋引擎與爬蟲原理
0-5 網路爬蟲的搜尋方法
0-6 網路爬蟲是否合法
0-7 認識HTTP 與HTTPS
0-8 表頭(headers)

第一章 JSON 資料與繪製世界地圖
1-1 JSON 資料格式前言
1-2 認識json 資料格式
1-3 將Python 應用在json 字串形式資料
1-4 將Python 應用在json 檔案
1-5 簡單的json 檔案應用
1-6 世界人口數據的json 檔案
1-7 繪製世界地圖
1-8 XML

第二章 使用Python 處理CSV 文件
2-1 建立一個CSV 文件
2-2 用記事本開啟CSV 檔案
2-3 csv 模組
2-4 讀取CSV 檔案
2-5 寫入CSV 檔案
2-6 寫入與讀取含中文的 CSV 文件
2-7 專題—使用 CSV 檔案繪製氣象圖表
2-8 pickle 模組
2-9 Python 與Microsoft Excel

第三章 網路爬蟲基礎實作
3-1 上網不再需要瀏覽器了
3-2 下載網頁資訊使用 requests 模組
3-3 檢視網頁原始檔
3-4 分析網站使用Chrome 開發人員工具
3-5 下載網頁資訊使用urllib 模組
3-6 認識httpbin 網站
3-7 認識Cookie
3-8 設置代理IP

第四章 Pandas 模組
4-1 Series
4-2 DataFrame
4-3 基本Pandas 資料分析與處理
4-4 檔案的輸入與輸出
4-5 Pandas 繪圖
4-6 時間序列(Time Series)
4-7 專題—鳶尾花
4-8 專題—匯入網頁表格資料

第五章 BeautifulSoup 解析網頁
5-1 解析網頁使用BeautifulSoup 模組
5-2 其它HTML 文件解析
5-3 網路爬蟲實戰—圖片下載
5-4 網路爬蟲實戰—找出台灣彩券公司最新一期威力彩開獎結果
5-5 網路爬蟲實戰—列出Yahoo 焦點新聞標題和超連結
5-6  IP 偵測網站 FileFab

第六章 網頁自動化
6-1 hashlib 模組
6-2 環保署空氣品質JSON 檔案實作
6-3 檢測網站內容是否更新
6-4 工作排程與自動執行
6-5 環保署空氣品質的CSV 檔案

第七章 Selenium 網路爬蟲的王者
7-1 順利使用Selenium 工具前的安裝工作
7-2 獲得webdriver 的物件型態
7-3 擷取網頁
7-4 尋找HTML 文件的元素
7-5 XPath 語法
7-6 用Python 控制點選超連結
7-7 用Python 填寫表單和送出
7-8 用Python 處理使用網頁的特殊按鍵
7-9 用Python 處理瀏覽器運作
7-10 自動化下載環保署空氣品質資料

第八章 PTT 爬蟲實戰
8-1 認識批踢踢實業坊
8-2 進入PTT 網址
8-3 解析PTT 進入須滿18 歲功能鈕
8-4 各篇文章的解析
8-5 解析文章標題與作者
8-6 推文數量
8-7 文章發表日期
8-8 將PTT 目前頁面內容以JSON 檔案儲存
8-9 前一頁面處理的說明
8-10 進入PPT 的beauty 論壇網站
8-11 ipstack

第九章 Yahoo 奇摩電影網站
9-1 本週新片
9-2 中文片名和英文片名
9-3 上映日期
9-4 期待度
9-5 影片摘要
9-6 劇照海報
9-7 爬取兄弟節點
9-8 預告片
9-9 排行榜

第十章 台灣主流媒體網站
10-1 蘋果日報
10-2 聯合報
10-3 經濟日報
10-4 中國時報
10-5 工商時報

第十一章 Python 與SQLite 資料庫
11-1 SQLite 基本觀念
11-2 資料庫連線
11-3 SQLite 資料類型
11-4 建立SQLite 資料庫表單
11-5 增加SQLite 資料庫表單紀錄
11-6 查詢SQLite 資料庫表單
11-7 更新SQLite 資料庫表單紀錄
11-8 刪除SQLite 資料庫表單紀錄
11-9 DB Browser for SQLite
11-10 將台北人口數儲存SQLite 資料庫

第十二章 股市數據爬取與分析
12-1 證券櫃檯買賣中心
12-2 台灣證券交易所
12-3 Yahoo 股市資訊
12-4 台灣股市資料讀取與圖表製作
12-5 國際股市數據爬取

第十三章 金融資訊的應用
13-1 台灣銀行利率查詢
13-2 取得HTML 文件
13-3 分析HTML 文件
13-4 將利率表儲存成CSV 檔案
13-5 取得最優惠利率
13-6 基金資料

第十四章 YouBike 數據
14-1 台北市的YouBike 數據
14-2 認識YouBike 的JSON 數據
14-3 下載與儲存YouBike 資料
14-4 獲得天母運動公園的YouBike 數據
14-5 計算YouBike 車輛使用效率

第十五章 星座屋網站
15-1 進入星座屋網站
15-2 分析網站與爬取星座運勢文字
15-3 星座圖片的下載

第十六章 小說網站
16-1 進入小說網站
16-2 解析網站
16-3 處理編碼問題
16-4 爬取書籍章節標題
16-5 爬取章節內容的連結
16-6 從章節超連結輸出小說內容
16-7 將小說內文存入檔案

第十七章 台灣高鐵與中央氣象局數據
17-1 台灣高鐵
17-2 中央氣象局

第十八章 維基百科
18-1 維基百科的中文網址
18-2 爬取台積電主文資料
18-3 台積電的簡史
18-4 URL 編碼

第十九章 Python 與Facebook
19-1 Facebook 圖形API
19-2 facebook-sdk 存取資料的應用

第二十章 Google API
20-1 申請Google API 金鑰
20-2 基本操作Google Map
20-3 爬蟲擷取Google 地理資訊
20-4 地理資訊的基本應用
20-5 找尋指定區域內的景點

第二十一章 Yahoo 拍賣網站
21-1 Yahoo 拍賣網站
21-2 分析網頁與單個商品搜尋
21-3 系列商品搜尋

第二十二章 日常生活的應用
22-1 租房資訊
22-2 台鐵網站
22-3 博客來電腦書排行榜

第二十三章 網路趨勢
23-1 使用Google Trends
23-2 執行搜尋
23-3 使用pytrends 模組
23-4 每天或今天搜尋熱門的關鍵字
23-5 年度熱門搜尋的關鍵字
23-6 查詢同時列出建議關鍵字
23-7 查詢關鍵字的相關查詢
23-8 查詢關鍵字的相關主題
23-9 關鍵字熱門搜尋區域

第二十四章 Requests-HTML 模組
24-1 安裝與導入
24-2 使用者請求Session
24-3 認識回傳資料型態與幾個重要屬性
24-4 數據清洗與爬取
24-5 搜尋豆瓣電影網站
24-6 Ajax 動態數據加載

第二十五章 人力銀行網站
25-1 認識人力銀行網頁
25-2 分析與設計簡單的爬蟲程式
25-3 更進一步分析網頁

第二十六章 Scrapy
26-1 安裝Scrapy
26-2 從簡單的實例開始—建立Scrapy 專案
26-3 Scrapy 定位元素
26-4 使用cookie 登入
26-5 保存文件為JSON 和CSV 檔案
26-6 Scrapy 架構圖
26-7 專題—爬取多頁PTT 資料

 

序

　　這是一本使用Python從零開始指導讀者的網路爬蟲入門書籍，全書以約404個程式實例，完整解說大數據擷取、清洗、儲存與分析相關知識，若是和第一版做比較，這本書增加下列內容：

　　1：全書增加約50個程式實例
　　2：網路趨勢與網路關鍵字查詢
　　3：國際金融資料查詢
　　4：YouBike
　　5：博客來圖書排行榜
　　6：租房網站
　　7：中央氣象局
　　8：生活應用

　　在Internet時代，所有數據皆在網路呈現，從網路獲得資訊已經成為我們日常生活的一部份。然而如何從網路上獲得隱性的數據資訊，更進一步做將此數據資訊做擷取、清洗、儲存與分析的有效應用，已經是資訊科學非常重要的領域，目前國內作者這方面著作不多，同時內容單薄，這也是筆者撰寫本書的動力。本書保持筆者一貫特色，實例豐富，容易學習，有系統的一步一步引導讀者深入不同網站主題，進行探索，下列是本書有關網路爬蟲知識的主要內容。

　　■    認識搜尋引擎與網路爬蟲
　　■    認識約定成俗的協議robots.txt
　　■    從零開始解析HTML網頁
　　■    認識與使用Chrome開發人員環境解析網頁
　　■    認識Python內建urllib、urllib2模組，同時介紹好用的requests模組
　　■    說明lxml模組
　　■  Selenium模組
　　■  XPath方法解說
　　■ css定位網頁元素
　　■  Cookie觀念
　　■ 自動填寫表單
　　■ 使用IP代理服務與實作
　　■ 偵測IP
　　■ 更進一步解說更新的模組Requests-HTML
　　■ 認識適用大型爬蟲框架的Scrapy模組

　　在書籍內容，筆者設計爬蟲程式探索下列相關網站。

　　■    國際與國內股市資訊
　　■    基金資訊
　　■    股市數據
　　■    人力銀行
　　■    維基網站
　　■    主流媒體網站
　　■    政府開放數據網站
　　■  YouBike服務網站
　　■  PTT網站
　　■ 電影網站
　　■ 星座網站
　　■ 小說網站
　　■ 博客來網站
　　■ 中央氣象局
　　■ 露天拍賣網站
　　■ httpbin網站
　　■ python.org網站
　　■ github.com網站
　　■ ipstack.com網站API實作
　　■ Google API實作
　　■ Facebook API實作

　　探索網站成功後，筆者也說明下列如何下載或儲存不同資料格式的數據。
　　■ CSV檔案格式
　　■ JSON檔案格式
　　■ XML、Pickle
　　■ Excel
　　■ SQLite

　　在設計爬蟲階段我們可能會碰上一些技術問題，筆者也以實例解決下列相關問題。

　　■ URL編碼與中文網址觀念
　　■ 將中文儲存在JSON格式檔案
　　■ 亂碼處理
　　■ 簡體中文在繁體中文Windows環境資料下載與儲存
　　■ 解析Ajax動態加載網頁，獲得更多頁次資料
　　■ 使用Chromium瀏覽器協助Ajax動態加載

　　註：讀者需了解網路爬蟲是針對特定網站擷取特定資料，本書所有程式雖經測試，在撰寫當下是正確，筆者同時列出執行結果。但是，如果網站結構改變，可能造成程式失效。

　　寫過許多的電腦書著作，本書沿襲筆者著作的特色，程式實例豐富，相信讀者只要遵循本書內容必定可以在最短時間精通Python網路爬蟲設計，編著本書雖力求完美，但是學經歷不足，謬誤難免，尚祈讀者不吝指正。

　　教學資源說明

　　教學資源有教學投影片，內容超過1500頁。

　　如果您是學校老師同時使用本書教學，歡迎與本公司聯繫，本公司將提供教學投影片。請老師聯繫時提供任教學校、科系、Email、和手機號碼，以方便深智數位股份有限公司業務單位協助您。
    
　　臉書粉絲團
    
　　歡迎加入：王者歸來電腦專業圖書系列    
    
　　歡迎加入：iCoding程式語言讀書會(Python, Java, C, C++, C#, JavaScript, 大數據, 人工智慧等不限)，讀者可以不定期獲得本書籍和作者相關訊息。
    
　　歡迎加入：穩健精實AI技術手作坊    
   
　　讀者資源說明
    
　　請至本公司網頁deepmind.com.tw下載本書程式實例。