Поиск
Закладки
Озвучивание недоступно Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Скрапинг веб-сайтов с помощю Python

ЧАСТЬ II. ПРОДВИНУТЫЙ СКРАПИНГ

Для продолжения работы требуется Registration

Предыдущая страница

Следующая страница

ЧАСТЬ II. ПРОДВИНУТЫЙ СКРАПИНГ
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Table of contents

ЧАСТЬ II. ПРОДВИНУТЫЙ СКРАПИНГ-
Глава 7. Очистка данных
Очистка данных на этапе создания кода
Нормализация данных
Очистка данных постфактум
OpenRefine
Глава 8. Чтение и запись естественных языков
Аннотирование данных
Марковские модели
Шесть шагов Википедии: заключительная часть
Natural Language Toolkit
Установка и настройка
Статистический анализ с помощью NLTK
Лексикографический анализ с помощью NLTK
Дополнительные ресурсы
Глава 9. Краулинг сайтов, использующих веб-формы
Библиотека requests
Отправка простой формы
Радиокнопки, флажки и другие элементы ввода данных
Отправка файлов и изображений
Работа с логинами и cookies
Базовая HTTP-аутентификация
Другие проблемы при работе с формами
Глава 10. Скрапинг JavaScript-кода
Краткое введение в JavaScript
Распространенные библиотеки JavaScript
Ajax и динамический HTML
Выполнение JavaScript в Python с помощью библиотеки Selenium
Обработка редиректов
Глава 11. Обработка изображений и распознавание текста
Обзор библиотек
Pillow
Tesseract
NumPy
Обработка хорошо отформатированного текста
Скрапинг текста с изображений, размещенных на веб-сайтах
Чтение CAPTCHA и обучение Tesseract
Обучение Теsseract
Извлечение CAPTCHA и отправка результатов распознавания
Глава 12. Обход ловушек в ходе скрапинга
Обратите внимание на этический аспект
Учимся выглядеть как человек
Настройте заголовки
Обработка cookies
Время решает все
Общие функции безопасности, используемые веб-формами
Значения полей скрытого ввода
Обходим "горшочки с медом"
Проверяем скрапер на "человечность"
Глава 13. Тестирование вашего сайта с помощью скраперов
Введение в тестирование
Что такое модульные тесты?
Питоновский модуль unittest
Тестирование Википедии
Тестирование с помощью Selenium
Взаимодействие с сайтом
Unittest или Selenium?
Глава 14. Скрапинг с помощью удаленных серверов
Зачем использовать удаленные серверы?
Как избежать блокировки IP-адреса
Переносимость и расширяемость
Tor
PySocks
Удаленный хостинг
Запуск с аккаунта веб-хостинга
Запуск из облака
Дополнительные ресурсы
Заглянем в будущее
Данный блок поддерживает скрол*