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。