圖書標籤: Python  Scrapy  Scraping  Programming  計算機  Web  爬蟲  py   

喜歡 Web Scraping with Python 的讀者還喜歡

可惜維基被牆瞭，代碼沒法運行

入門教程，但非常全麵。NLP, 圖像處理，機器學習。最重要的是守法，寫爬蟲前要先谘詢下你的律師

When I am going to read this book, I find that the new version just came out! Hooray. 如同作者所說，這本書不適閤讀者當作Python的入門書。而我初讀前兩章的感受是這本書的內容需要讀者要對Python甚至Web Scraping有一定的瞭解。每一個點可能淺嘗輒止，例子不夠深入，但是作者提到的方法能夠完善我對數據挖掘的認知。 更新：對於一個新手來說，內容可以開眼界，但是書中有很多代碼都不能直接運行！纍瞭我這種一無所知的小白。 更新-180921：終於讀完瞭！雖然很多代碼要修改纔能跑動，後麵的章節比較概況，但是看完之後我對爬蟲技術有瞭新的理解（自己順帶學瞭很多搭建網頁的技術）。

When I am going to read this book, I find that the new version just came out! Hooray. 如同作者所說，這本書不適閤讀者當作Python的入門書。而我初讀前兩章的感受是這本書的內容需要讀者要對Python甚至Web Scraping有一定的瞭解。每一個點可能淺嘗輒止，例子不夠深入，但是作者提到的方法能夠完善我對數據挖掘的認知。 更新：對於一個新手來說，內容可以開眼界，但是書中有很多代碼都不能直接運行！纍瞭我這種一無所知的小白。 更新-180921：終於讀完瞭！雖然很多代碼要修改纔能跑動，後麵的章節比較概況，但是看完之後我對爬蟲技術有瞭新的理解（自己順帶學瞭很多搭建網頁的技術）。

前置條件：有Python基礎 內容：簡要介紹瞭爬蟲相關的問題，但不深入，相當於破瞭個題，真正實踐中遇到的問題沒有涉及。 所以作為爬蟲快速入門可以推薦，瞭解相關技術，再做項目實踐深入研究。

作者显然是此行达人，踩坑踩多了都是直接上经验。 书里的代码很优美、正规并且很简洁，运用了大量的递归算法和正则表达式。但是有些地方译者翻译的有误，比如第31页，倒数第六行冒号翻译成了分号，显然运行了源码并且对比了wiki网站才会知道这是误翻译。 另外，作者源码也有错...  

5.3.2 基本命令 第二段第一句话： 除了用户自定义变量名（MySQL 5.x 版本是不区分大小写的，MySQL 5.0 之前的版本是不区分大小写的），MySQL 语句是不区分大小写的。（wtf ？？？？？？？ 5.4 Email 查询圣诞节的代码缩进错误（sendMail函数和while都错了，会造成死循环！ 8.2...  

诚然，这本书里面提到的一些python库不一定是最好的，但是整个爬虫的思路，还是非常值得大家借鉴。 其实python的语法，以及爬虫的代码段，都不难，就是写爬虫的过程中，需要注意的事项和有可能踩到的坑，是我比较看中的。 书中提到了一点，就是修改浏览器的header，默认貌似...  

5.3.2 基本命令 第二段第一句话： 除了用户自定义变量名（MySQL 5.x 版本是不区分大小写的，MySQL 5.0 之前的版本是不区分大小写的），MySQL 语句是不区分大小写的。（wtf ？？？？？？？ 5.4 Email 查询圣诞节的代码缩进错误（sendMail函数和while都错了，会造成死循环！ 8.2...  

第三章有好几个地方出现“分号”，但又实在不明白哪里有分号，只好查了原文。 原文是 colons，也就是冒号。 写在这里，给其他同学提个醒。 ： 这是冒号 ； 这是分号 公平地说，原书中也有一些低级错误，比如第七章开始不久，有个函数里把 input 写成了content，中文版照抄了...