Python 網路文字探勘入門到上手 : 10堂基礎+5場實戰,搞定網路爬蟲、文本分析的淘金指南 (附光碟)

陳寬裕

買這商品的人也買了...

商品描述

  文字探勘,離我們一點都不遙遠。
  小至今天吃什麼,大至國際動態趨勢,
  想知道風往哪吹熱度怎麼蹭,就是派它上場的時刻!

  ✦每位渴望突破的程式設計新手都應該閱讀的一本書✦
  隨書附贈光碟:內含範例程式資料檔、習題解答程式檔。從做中學,效果加倍!

  翻開程式工具書就頭昏眼花的症頭
  ✔口語化的親切教學,不怕你嫌生硬只怕你嫌囉嗦

  埋頭學習卻經常找不到方向的迷航學子
  ✔範例導引式編排,附習題,示範編碼、驗收成果。

  不甘於紙上談兵的實用主義者
  ✔豐富多元的探勘實作,PChome 24h、Google 學術、PTT八卦版

  到達純文字極限,數位學習上癮的科技人
  ✔QRcode影音課程畫龍點睛,針對部份操作重點,加強吸收力度。

  ▶▶▶

  大數據時代,網路的電子化文本恆河沙數,新聞、google、PTT、部落格、購物網、Facebook、Twitter,無一不是非結構化資料。偏偏在0和1的世界,要想馴服它們,就必須「轉換」為電腦可判讀的結構化資料。

  這個「轉換」的過程,就是文字探勘的研究領域,具有高度商業價值。
  本書給魚也給竿,帶領我們駕馭這項新興技術。

  攜手踏入網路爬蟲的場域,無論你是——
  ●程式設計零基礎,想在網路進行資料探勘的初心者
  ●統計學一知半解,卻需要時刻關注最新動態的社群小編
  ●需要快速調查、統合資源的市調顧問、行銷企劃工作者
  ●正好缺乏質性文本分析數據的社會科學研究者

  使用最新版本的Python3,易讀、易學且擴展性強的語法特點。
  ●從零開始,由安裝教起,快速習得10大基本技巧、萃取有用資訊。
  ●現學現賣,5大實戰演練,精進探勘能力:PChome 24h-商品資料、Google學術-論文資料、PTT 八卦版-PO文資料、誠品金石堂-書籍比價系統、PTT 政黑版-文字雲和長條圖。

  ▶▶▶

  按部就班,嗅得先機。
  你,也可以是全新領域的開拓者!

作者簡介

陳寬裕

  現職
  屏東科技大學 休閒運動健康系 教授

  學歷
  台灣大學 大氣科學系 學士
  清華大學 工業工程研究所 碩士
  長榮大學 經營管理研究所 博士
  嘉義大學 觀光休閒研究所 博士班

  Email   pf.kuan.yu.chen@gmail.com

目錄大綱

自 序

Chapter 01 Python 簡介

1-1 何謂程式設計
1-2 Python 程式設計的特點
1-3 選擇 Python 作為第一種程式語言的理由
1-4 安裝Python 與環境設定
1-5 安裝編輯器:Visual Studio Code
1-6 建置Anaconda 開發環境

Chapter 02 資料型態
2-1 Python 處理的資料類型
2-2 數值型態
2-3 字串型態
2-4 變數
2-5 數值和字串間型態的轉換

Chapter 03 流程控制
3-1 流程控制的構成要素
3-2 條件分岐
3-3 input 函式
3-4 條件運算式的組成
3-5 多向的條件分岐

Chapter 04 串列與迴圈
4-1 串列的意義與操作
4-2 for 迴圈
4-3 for 迴圈和if 敘述的組合運用
4-4 range() 函式
4-5 亂數的運用
4-6 break 及continue 命令
4-7 while 迴圈
4-8 進階串列操作

Chapter 05 元組、字典與集合
5-1 元組
5-2 字典
5-3 集合

Chapter 06 函式
6-1 函式的意義
6-2 函式的參數
6-3 函式與變數的作用範圍

Chapter 07 錯誤與例外
7-1 錯誤的型態
7-2 例外
7-3 例外處理
7-4 錯誤的種類

Chapter 08 網頁爬蟲的簡單範例
8-1 網頁爬蟲(Web Scraping)
8-2 網路爬蟲的執行步驟
8-3 向網路伺服器發送請求服務的訊息
8-4 解析網頁資訊
8-5 BeautifulSoup 的運用:於自由時報電子報網站進行爬蟲

Chapter 09 向伺服器發送請求的方式
9-1 網頁爬蟲的基本步驟
9-2 送出簡單的GET 請求
9-3 送出帶有參數的GET 請求
9-4 送出帶有參數的GET 請求至Ajax 網頁
9-5 送出帶有Cookie 的GET 請求
9-6 送出帶有Headers 的GET 請求
9-7 以form 形式發送POST 請求
9-8 送出帶有登入Cookie 的POST 請求
9-9 模擬登入

Chapter 10 萃取有用資訊
10-1 網頁萃取的工作內容
10-2 本章所使用的範例網頁
10-3 走訪DOM 文件樹
10-4 搜尋DOM 文件樹
10-5 CSS 選擇器

Chapter 11 爬取「PChome 24h 購物」的商品資料
11-1 PChome 24h 購物網站
11-2 確認標的網站的URL 網址
11-3 送出 HTTP 請求,取得頁面資料(JSON 格式)
11-4 解析結果頁面資料,獲取商品資訊
11-5 將商品詳細資料,存入Excel 檔案中
11-6 建立主程式

Chapter 12 爬取「Google 學術搜尋」的論文資料
12-1 確認標的網站的URL 網址
12-2 送出HTTP 請求,取得搜尋結果頁面資料
12-3 取得各分頁的連結url
12-4 解析分頁資料,獲取分頁內的論文資料
12-5 彙總所有分頁的論文資料
12-6 將論文詳細資料,存入Excel 檔案中
12-7 建立主程式
12-8 執行爬蟲程式
12-9 使用平行處理技術
12-10 有關爬取Google 學術搜尋的結語

Chapter 13 爬取「PTT 八卦版」的PO 文資料
13-1 確認標的網站的URL 網址
13-2 送出HTTP 請求,取得頁面資料
13-3 取得八卦版目前總頁數
13-4 取得各分頁的連結url
13-5 取得各分頁中的PO 文標題
13-6 彙總所有分頁的PO 文標題
13-7 取得每篇PO 文之發言內容
13-8 彙整所有PO 文的相關資訊
13-9 將PO 文的詳細資料,存入Excel 檔案中
13-10 建立主程式

Chapter 14 書籍比價爬蟲
14-1 確認標的網站的URL 網址
14-2 送出HTTP 請求,取得頁面資料
14-3 取得搜尋結果的總頁數
14-4 取得各分頁的連結
14-5 取得每本書的詳細資料
14-6 取得每本書於誠品、金石堂的價格
14-7 取得分頁中各書籍的其它基本資料與比價資料
14-8 彙整所有書籍資料
14-9 將書籍比價資料,存入Excel 檔案中
14-10 建立主程式

Chapter 15 製作文字雲
15-1 簡介
15-2 建立主程式
15-3 取得所有PO 文的發言內容
15-4 繪製文字雲
15-5 繪製長條圖