图书标签: Python  Scrapy  Scraping  Programming  计算机  Web  爬虫  py   

喜欢 Web Scraping with Python 的读者还喜欢

前置条件：有Python基础 内容：简要介绍了爬虫相关的问题，但不深入，相当于破了个题，真正实践中遇到的问题没有涉及。 所以作为爬虫快速入门可以推荐，了解相关技术，再做项目实践深入研究。

入门教程，但非常全面。NLP, 图像处理，机器学习。最重要的是守法，写爬虫前要先咨询下你的律师

前置条件：有Python基础 内容：简要介绍了爬虫相关的问题，但不深入，相当于破了个题，真正实践中遇到的问题没有涉及。 所以作为爬虫快速入门可以推荐，了解相关技术，再做项目实践深入研究。

入门教程，但非常全面。NLP, 图像处理，机器学习。最重要的是守法，写爬虫前要先咨询下你的律师

入门教程，但非常全面。NLP, 图像处理，机器学习。最重要的是守法，写爬虫前要先咨询下你的律师

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...  

1.可以尝试使用Google API 2.对于容易被封杀的站点使用tor来匿名 3.使用Tesseract识别验证码，可以训练特殊字体提高识别率 4.爬取整个网站的外链链接是件容易的事情 5.使用selenium作为测试网站的框架 6.注意cookie和request header的使用，努力让网站不把你当做爬虫对待  

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...