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350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。
?
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。
?
□金融資訊
□股市數據
□人力銀行
□交友網站
□維基網站
□主流媒體網站
□政府開放數據網站
□社群服務網站
□PTT網站
□電影網站
□星座網站
□小說網站
□台灣高鐵
□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。
?
洪錦魁2019-10-15
jiinkwei@me.com
