指南
如何使用 Python 制作网络爬虫——入门指南
本教程将演示如何使用 Python 进行网页爬取。网页爬取是一种强大的方法，通过定位一个或多个域名的所有 URL 来从网络上收集数据。
Ștefan Răcilă2 min read
阅读文章Blog
洞察与工程
深入探讨网络数据基础设施、数据提取技术以及大规模结构化数据的未来。
最新文章
181 文章
指南
如何使用 Python 抓取 HTML 表格
简而言之：只需使用一行 pandas.read_html 命令，就能刮擦大部分 HTML 表格。当表格是分页的、JavaScript 渲染的或有合并表头时，请切换到 Requests + BeautifulSoup 或像 Playwright 这样的无头浏览器。本指南为您提供了决策矩阵、三种方法的工作代码，以及将刮擦行转化为管道就绪数据的清理步骤。
Andrei Ogiolan4 min read
阅读文章
指南
Cheerio 与 Puppeteer：如何选择正确的工具
简而言之：Cheerio 是轻量级 HTML 解析器；Puppeteer 驱动真正的 Chromium 浏览器。当数据已经存在于原始 HTML 中时，使用 Cheerio；当 JavaScript 渲染数据时，使用 Puppeteer；当每次访问需要提取大量字段的 JS 页面时，将它们结合起来使用。
Sergiu Inizian3 min read
阅读文章
网络爬虫技术
什么是浏览器自动化？实用指南
简要说明：浏览器自动化是指通过代码驱动真实或无头 Web 浏览器，使其代表您点击、键入、导航和读取页面。本指南将解释什么是浏览器自动化，比较 Selenium、Playwright、Puppeteer 和 Cypress，并说明何时不需要使用完整浏览器。
Ștefan Răcilă2 min read
阅读文章
网络爬虫技术
网络抓取与数据挖掘：区别、管道以及何时使用两者
简要说明：网络搜刮从公共网页中收集原始数据。数据挖掘分析结构化数据，以显示模式、预测和细分。它们是同一生命周期中的不同阶段，大多数生产系统都将它们结合在一个 "先搜刮，后规范化，再挖掘 "的流程中。
Ștefan Răcilă2 min read
阅读文章
网络爬虫技术
面向开发人员的最佳网络抓取课程
简要说明：最好的网络刮擦课程取决于你的语言、水平和目标用例。本指南比较了 Udemy、Coursera、DataCamp 和 Packt 的五种付费课程，指出了官方文档等免费补充内容，并介绍了如何从完成课程过渡到运行生产型刮擦程序。
Ștefan Răcilă2 min read
阅读文章