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

讀得是最新版，跟老版側重點有點不同，主要學習瞭urllib，beautifulsoup，requests，selenium這幾個包的用法，讀完爬蟲差不多能入門瞭。由於寫得比較簡潔，對毫無爬蟲和網頁經驗的人來說還是會有看不懂的地方，比如scrapy和API兩章，看完也完全不知道在講什麼。

讀得是最新版，跟老版側重點有點不同，主要學習瞭urllib，beautifulsoup，requests，selenium這幾個包的用法，讀完爬蟲差不多能入門瞭。由於寫得比較簡潔，對毫無爬蟲和網頁經驗的人來說還是會有看不懂的地方，比如scrapy和API兩章，看完也完全不知道在講什麼。

可惜維基被牆瞭，代碼沒法運行

讀得是最新版，跟老版側重點有點不同，主要學習瞭urllib，beautifulsoup，requests，selenium這幾個包的用法，讀完爬蟲差不多能入門瞭。由於寫得比較簡潔，對毫無爬蟲和網頁經驗的人來說還是會有看不懂的地方，比如scrapy和API兩章，看完也完全不知道在講什麼。

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

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...  

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...  

第177页的代码从逻辑上就不对啊，import的pytesseract就没用，而是通过subprocess调用，这应该是第一版的思路，不过我也搞不清这是作者还是译者的锅，把代码改成如下更合理 import time from urllib.request import urlretrieve from PIL import Image import pytesseract from...  

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...  

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...