Raspagem da Web em Python

Aprenda a estrutura do HTML. Começaremos explicando por que a raspagem da Web pode ser uma adição valiosa à sua caixa de ferramentas de ciência de dados e, em seguida, nos aprofundaremos em alguns conceitos básicos de HTML. Terminamos o capítulo com uma breve introdução sobre a notação XPath, que é usada para navegar pelos elementos no código HTML.

Aproveite a sintaxe XPath para explorar os seletores do scrapy. Esses dois conceitos farão com que você consiga extrair um documento HTML.

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

Aprenda a criar rastreadores da Web com o scrapy. Esses spiders de scrapy rastrearão a Web por meio de várias páginas, seguindo os links para coletar cada uma dessas páginas automaticamente, de acordo com os procedimentos que aprendemos nos capítulos anteriores.