Descoperă structura HTML. Începem prin a explica de ce web scraping-ul poate fi un instrument valoros în setul tău de instrumente pentru știința datelor, apoi aprofundăm noțiunile de bază ale HTML. Capitolul se încheie cu o scurtă introducere în notația XPath, folosită pentru a naviga prin elementele unui document HTML.

Prezentare generală a web scraping-ului

Web scraping-ul nu este o activitate inutilă!

HyperText Markup Language

Navigarea în arborele HTML cu cuvinte

Din arbore în HTML

Atribute

Să vorbim despre clase

Găsirea atributului href

Curs intensiv de XPath

Unde mă aflu?

E timpul pentru P

Un span cu clasă

Introducere în HTML

Folosește sintaxa XPath pentru a explora selectorii scrapy. Ambele concepte te vor apropia de capacitatea de a face scraping pe un document HTML.

XPathologie

Numărarea elementelor în practică

Elementele body-ului

Alege DataCamp!

Dincolo de XPath-ul bătătorit

Unde e @

Verifică clasa

Hiper(link)activ

Linkuri secrete

Obiecte Selector

Înlănțuirea XPath

Împarte acest exercițiu

Sursa Sursei

Clasa cursului prin inspecție

Crearea unui Selector

XPath-uri și Selectori

Învață sintaxa locatorilor CSS și începe să experimentezi cu înlănțuirea locatorilor CSS cu XPath. Introducem și obiectele Response, care se comportă similar cu selectorii, dar îți oferă instrumente suplimentare pentru a-ți extinde eforturile de scraping pe mai multe site-uri web.

De la XPath la CSS

De la XPath la CSS Locators

Obține un „a" în acest curs

Caracterul wildcard în CSS

Atribute CSS și selectarea textului

Ai fost `href`uit

Text de nivel superior

Text de la Toate Nivelurile

Răspunde, te rog!

Descoperă prin Response

Răspunsuri cu Selectori

Selecție dintr-o selecție

Sondaj

Titlurile cursurilor

Extragere cu elemente copil

Locatori CSS, Înlănțuire și Răspunsuri

Învață să creezi crawlere web cu scrapy. Aceste spidere scrapy vor parcurge web-ul prin mai multe pagini, urmând linkuri pentru a face scraping automat pe fiecare pagină, conform procedurilor învățate în capitolele anterioare.

Primul tău spider

Moștenirea clasei Spider

Lansează URL-urile

Cereri de start

Autoreferențierea e o chestie de clasă

Primii pași cu Start Requests

Parsează și parcurge

Pseudonime

Timp de crawling

Proiect final

E timpul să rulăm

Descrieri DataCamp

Spider Capstone

Finalul

Spidere

DataCamp webpage HTML

Capacitatea de a construi instrumente care pot extrage și analiza informații de pe internet a fost și rămâne valoroasă în multe domenii ale științei datelor. În acest curs, vei învăța să navighezi și să parsezi cod HTML și să construiești instrumente care să parcurgă automat site-uri web. Deși scraping-ul va fi realizat cu ajutorul bibliotecii Python versatile scrapy, multe dintre tehnicile pe care le vei învăța pot fi aplicate și altor biblioteci populare Python, inclusiv BeautifulSoup și Selenium. La finalul cursului, vei avea o înțelegere solidă a structurii HTML, vei putea construi instrumente pentru a parsa cod HTML și a accesa informațiile dorite, și vei crea spidere scrapy simple pentru a parcurge web-ul la scară largă.

Intermediate Python

Învață să extragi și să analizezi informații de pe internet folosind biblioteca Python scrapy.

De la XPath la CSS

Create Your Free Account