Aprenda a estrutura do HTML. Começaremos explicando por que a raspagem da web pode ser um acréscimo valioso à sua caixa de ferramentas de ciência de dados e, em seguida, nos aprofundaremos em alguns conceitos básicos de HTML. Encerramos o capítulo com uma breve introdução à notação XPath, usada para navegar pelos elementos de códigos HTML.

Visão geral da raspagem da web

A raspagem de dados da web não é bobagem!

Linguagem de marcação de hipertexto

Navegação complexa em uma árvore HTML

Da árvore para o HTML

Atributos

Mantenha a classe

Procurando href

Curso intensivo de XPath

Onde estou?

Selecione os pês

Um span com classe

Introdução ao HTML

Utilize a sintaxe do XPath para explorar os seletores do scrapy. Esses dois conceitos ajudarão você a fazer a raspagem de um documento HTML.

XPatologia

Contagem de elementos em condições desafiadoras

Partes do corpo

Escolha o DataCamp!

Roteiro do XPath

Onde está o @

Verifique sua classe

Hyper(link) ativo

Links secretos

Objetos seletores

Encadeamento no XPath

Divida este exercício

A fonte da fonte

Classe do curso por inspeção

Como solicitar um seletor

XPaths e seletores

Aprenda a sintaxe de localizadores CSS e comece a brincar com a ideia de encadear localizadores CSS com o XPath. Também apresentamos os objetos Response, que se comportam como seletores, mas nos dão mais ferramentas para mobilizar nossos esforços de raspagem em vários sites. 

Do XPath ao CSS

XPath: o caminho para localizadores CSS

Tire um "a" neste curso

O curinga no CSS

Atributos CSS e seleção de texto

Você recebeu uma `href`erência

Texto de nível superior

Texto de todos os níveis

Por favor, responda!

Revele pela resposta

Como responder com seletores

Como selecionar com base em uma seleção

Pesquisa

Titular

Raspagem com filhos

Localizadores CSS, encadeamento e respostas

Aprenda a criar rastreadores da web com o scrapy. Esses spiders scrapy rastreiam a web por várias páginas, seguindo os links para raspar cada uma delas automaticamente, de acordo com os procedimentos que aprendemos nos capítulos anteriores.

Seu primeiro spider

Como herdar o spider

Hurl com URLs

Solicitações start

Fazer autorreferência é sinal de classe

Começando com solicitações start

Analisar e rastrear

Nomes literários

Tempo do rastreador

Projeto final

É hora de executar

Descrições do DataCamp

Crawler de conclusão

O final

Spiders

DataCamp webpage HTML

A capacidade de criar ferramentas capazes de recuperar e analisar informações armazenadas na internet foi e continua sendo valiosa em muitas áreas da ciência de dados. Neste curso, você aprenderá a navegar e analisar códigos html e a criar ferramentas para rastrear sites automaticamente. Embora nossa raspagem seja realizada usando a versátil biblioteca Python scrapy, muitas das técnicas que você aprenderá neste curso também podem ser aplicadas a outras bibliotecas Python bem conhecidas, como BeautifulSoup e Selenium. Após a conclusão deste curso, você terá um modelo mental eficaz da estrutura html, será capaz de criar ferramentas para analisar códigos html e acessar as informações desejadas, além de criar um spider scrapy simples para rastrear a web em escala.

Intermediate Python

Aprenda a obter e analisar informações da internet usando a biblioteca Python scrapy.

Raspagem da Web em Python

Desenvolvedor Python

Contagem de elementos em condições desafiadoras

Raspagem da Web em Python

Exercício interativo prático