Seznám se se strukturou HTML. Začneme tím, proč může být web scraping cenným nástrojem v tvé sadě dovedností datového vědce, a pak se ponoříme do základů HTML. Kapitolu zakončíme stručným úvodem do zápisu XPath, který slouží k navigaci mezi prvky v HTML kódu.

Přehled web scrapingu

Web scraping smysl dává!

HyperText Markup Language

Navigace ve stromu HTML

Ze stromu do HTML

Atributy

Třída jako třída

Hledání href

XPath v kostce

Kde jsem?

Čas na P

Třídy a span elementy

Úvod do HTML

Využij syntaxi XPath k prozkoumávání selektorů ve scrapy. Obě tato témata tě přiblíží k tomu, abys uměl/a scrapovat HTML dokumenty.

XPathologie

Počítání elementů v praxi

Potomci body

Choose DataCamp!

Mimo hlavní XPath trasy

Where it's @

Zkontroluj třídu

Hyper(od)kaz v akci

Tajné odkazy

Objekty Selector

Řetězení XPath

Rozděl toto cvičení

Zdroj zdrojového kódu

Třída kurzu pomocí inspekce

Vytvoření Selectoru

XPath a selektory

Nauč se syntaxi CSS lokátorů a začni pracovat s myšlenkou řetězení CSS lokátorů s XPath. Představíme také objekty Response, které se chovají podobně jako selektory, ale nabízejí navíc nástroje pro rozšíření scrapingu na více webových stránek.

Z XPath na CSS

Cesta od XPath k CSS lokátorům

Získej "a" v tomto kurzu

Zástupný znak v CSS

Atributy CSS a výběr textu

Byl/a jsi `href`ován/a

Text na nejvyšší úrovni

Text ze všech úrovní

Odpověz, prosím!

Odhalení pomocí Response

Odpověď pomocí selektorů

Výběr z výběru

Průzkum

Názvy kurzů

Scrapování s potomky

CSS lokátory, řetězení a objekty Response

Nauč se vytvářet webové crawlery pomocí scrapy. Tito scrapy pavouci budou procházet web přes více stránek, sledovat odkazy a automaticky scrapovat jejich obsah podle postupů, které jsme probírali v předchozích kapitolách.

Tvůj první pavouk

Dědičnost spideru

Zadej URL adresy

Start Requests

Odkaz na sebe sama je věc třídy

Začínáme s metodou Start Requests

Parsování a procházení webu

Jména autorů

Čas pro crawler

Závěrečný projekt

Čas to spustit

Popisy kurzů na DataCampu

Capstone Crawler

Závěrečná část

Pavouci

DataCamp webpage HTML

Schopnost vytvářet nástroje pro získávání a zpracování informací z internetu má v datové vědě velkou hodnotu – a stále větší. V tomto kurzu se naučíš procházet a parsovat HTML kód a budovat nástroje pro automatické procházení webů. Scraping budeme provádět pomocí všestranné Pythonové knihovny scrapy, ale většinu technik z tohoto kurzu můžeš uplatnit i v dalších populárních knihovnách, jako jsou BeautifulSoup nebo Selenium. Po absolvování kurzu budeš mít pevný přehled o struktuře HTML, zvládneš parsovat HTML kód, přistupovat k požadovaným datům a vytvořit jednoduchého scrapy pavouka pro procházení webu ve velkém měřítku.

Intermediate Python

Naučte se získávat a zpracovávat data z internetu pomocí knihovny Python scrapy.

Web Scraping v Pythonu

Naučte se získávat a analyzovat informace z internetu pomocí knihovny Python scrapy.

Mimo hlavní XPath trasy

Create Your Free Account