PythonによるWebスクレイピング

「Ｗｅｂスクレイピング」とは、インターネットからデータを機械的に集め、必要な情報を抽出するプロセスのこと。検索エンジンだけでは限られた情報しか集められませんが、この技術を使えば、インターネット上の膨大な情報の中から本当に必要な情報を入手できます。小売業、金融業をはじめ多くの業界で情報収集に活用され、アカデミックでも広い分野で使われ注目されています。本書は、前半でＷｅｂスクレイパーとクローラの基礎をていねいに解説し、後半でＯＣＲを使った情報抽出や、ＪａｖａＳｃｒｉｐｔ実行、Ｓｅｌｅｎｉｕｍによるインタフェース使用やテスト自動化、自然言語処理などの高度なトピックに加えて法律面の解説など、Ｗｅｂスクレイピングを実際に行うために必要なプログラミングテクニックとテクノロジー全般を紹介します。Ｐｙｔｈｏｎ３．ｘ対応。

目次 : 第１部　スクレイパーを作る（最初のＷｅｂスクレイパー/ 高度なＨＴＭＬパーシング/ クローリングを開始する/ ＡＰＩを使う/ データを格納する/ 文章を読む）/ 第２部　高度なスクレイピング（汚れたデータをクリーニング/ 自然言語の読み書き/ フォームとログインでクロール/ ＪａｖａＳｃｒｉｐｔのスクレイピング/ 画像処理とテキスト認識/ スクレイピングの落とし穴を避ける/ Ｗｅｂサイトをスクレイパーでテストする/ リモートでスクレイピング/ Ｐｙｔｈｏｎ入門/ インターネット入門/ Ｗｅｂスクレイピングの適法性と倫理）

【著者紹介】
ライアン・ミッチェル : ボストンを拠点とするＬｉｎｋｅＤｒｉｖｅ社のソフトウェアエンジニア。社内用ＡＰＩおよびデータ分析ツールを開発している。オーリン工科大学卒業、現在はハーバード大学Ｅｘｔｅｎｓｉｏｎ　Ｓｃｈｏｏｌの修士課程を履修中である。ＬｉｎｋｅＤｒｉｖｅ社に入社する前に、Ａｂｉｎｅ社でスクレイパーとボットの構築を担当していた。また、定期的にＷｅｂスクレイピングプロジェクトのコンサルティングを金融業界と小売業界向けに行っている

黒川利明 : １９７２年、東京大学教養学部基礎科学科卒。東芝（株）、新世代コンピュータ技術開発機構、日本ＩＢＭ、（株）ＣＳＫ（現ＳＣＳＫ（株））、金沢工業大学を経て、２０１３年よりデザイン思考教育研究所主宰。情報規格調査会ＳＣ２２　Ｃ＃、ＣＬＩ、スクリプト系言語ＳＧ主査として、Ｃ＃、ＣＬＩ、ＥＣＭＡＳｃｒｉｐｔなどのＪＩＳ作成、標準化に携わっている。現在、日本規格協会標準化アドバイザー、町田市介護予防サポータ、カルノ（株）データサイエンティスト、日本マネジメント総合研究所ＬＬＣ客員研究員

嶋田健志 : 主にＷｅｂシステムの開発に携わるフリーランスのエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）