《网络爬虫全解析——技术、原理与实践》图书推荐

《网络爬虫全解析——技术、原理与实践》

/罗刚图书

电子书价格:49元

2017年3月出版

本书介绍了如何开发网络爬虫。内容主要包括Java语法基础和网络爬虫的工作原理，如何使用开源组件HttpClient和爬虫框架Crawler4j来抓取网页信息，以及如何从抓取的文本中提取有效信息。为了扩展抓取能力，本书介绍了实现分布式网络爬虫的关键技术。

此外，这本书还介绍了如何从多媒体格式文件中提取文本信息，如图像和语音，以及如何使用大数据技术来存储捕获的信息。最后，以实战为例，介绍了如何捕捉微信和微博，以及在电子商务、医药、金融等领域的案例应用。其中，电子商务领域的应用引入了网络爬虫(web crawlers)来捕获商品信息并将其放入网上商店的数据库表中。医学领域的案例介绍了抓取PubMed医学专论库。金融领域的例子包括获取股票信息和从年度报告的PDF文档中提取表格。

适合对开发信息收集软件感兴趣的自学者。它也可以作为具有Java或编程基础的开发人员的参考。