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。

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

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。

可惜維基被牆瞭，代碼沒法運行

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...  

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...  

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...  

我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看过了 我看...