Imcluye índice.

Chapter 1: Introduction to Web Scraping -- Chapter 2: Web Scraping in Python Using Beautiful Soup Library -- Chapter 3: Introduction to Cloud Computing and Amazon Web Services (AWS) -- Chapter 4: Natural Language Processing (NLP) and Text Analytics -- Chapter 5: Relational Databases and SQL Language -- Chapter 6: Introduction to Common Crawl Datasets -- Chapter 7: Web Crawl Processing on Big Data Scale -- Chapter 8: Advanced Web Crawlers --

Utilize web scraping at scale to quickly get unlimited amounts of free data available on the web into a structured format. This book teaches you to use Python scripts to crawl through websites at scale and scrape data from HTML and JavaScript-enabled pages and convert it into structured data formats such as CSV, Excel, JSON, or load it into a SQL database of your choice. This book goes beyond the basics of web scraping and covers advanced topics such as natural language processing (NLP) and text analytics to extract names of people, places, email addresses, contact details, etc., from a page at production scale using distributed big data techniques on an Amazon Web Services (AWS)-based cloud infrastructure. It covers developing a robust data processing and ingestion pipeline on the Common Crawl corpus, containing petabytes of data publicly available and a web crawl data set available on AWS's registry of open data. Getting Structured Data from the Internet also includes a step-by-step tutorial on deploying your own crawlers using a production web scraping framework (such as Scrapy) and dealing with real-world issues (such as breaking Captcha, proxy IP rotation, and more). Code used in the book is provided to help you understand the concepts in practice and write your own web crawler to power your business ideas. You will: Understand web scraping, its applications/uses, and how to avoid web scraping by hitting publicly available rest API endpoints to directly get data Develop a web scraper and crawler from scratch using lxml and BeautifulSoup library, and learn about scraping from JavaScript-enabled pages using Selenium Use AWS-based cloud computing with EC2, S3, Athena, SQS, and SNS to analyze, extract, and store useful insights from crawled pages Use SQL language on PostgreSQL running on Amazon Relational Database Service (RDS) and SQLite using SQLalchemy Review sci-kit learn, Gensim, and spaCy to perform NLP tasks on scraped web pages such as name entity recognition, topic clustering (Kmeans, Agglomerative Clustering), topic modeling (LDA, NMF, LSI), topic classification (naive Bayes, Gradient Boosting Classifier) and text similarity (cosine distance-based nearest neighbors) Handle web archival file formats and explore Common Crawl open data on AWS Illustrate practical applications for web crawl data by building a similar website tool and a technology profiler similar to builtwith.com Write scripts to create a backlinks database on a web scale similar to Ahrefs.com, Moz.com, Majestic.com, etc., for search engine optimization (SEO), competitor research, and determining website domain authority and ranking Use web crawl data to build a news sentiment analysis system or alternative financial analysis covering stock market trading signals Write a production-ready crawler in Python using Scrapy framework and deal with practical workarounds for Captchas, IP rotation, and more.

DESCRIPCIÓN EN ESPAÑOL |

Utilice web scraping a escala para obtener rápidamente cantidades ilimitadas de datos gratuitos disponibles en la web en un formato estructurado. Este libro le enseña a usar secuencias de comandos de Python para rastrear sitios web a escala y extraer datos de páginas habilitadas para HTML y JavaScript y convertirlos en formatos de datos estructurados como CSV, Excel, JSON o cargarlos en una base de datos SQL de su elección. Este libro va más allá de los conceptos básicos del web scraping y cubre temas avanzados como el procesamiento del lenguaje natural (NLP) y el análisis de texto para extraer nombres de personas, lugares, direcciones de correo electrónico, detalles de contacto, etc., de una página a escala de producción utilizando grandes cantidades distribuidas. técnicas de datos en una infraestructura de nube basada en Amazon Web Services (AWS). Cubre el desarrollo de una canalización sólida de procesamiento e ingestión de datos en el corpus Common Crawl, que contiene petabytes de datos disponibles públicamente y un conjunto de datos de rastreo web disponible en el registro de datos abiertos de AWS. Obtención de datos estructurados de Internet también incluye un tutorial paso a paso sobre la implementación de sus propios rastreadores mediante un marco de trabajo de extracción web de producción (como Scrapy) y el tratamiento de problemas del mundo real (como ruptura de Captcha, rotación de IP de proxy y más). ). El código utilizado en el libro se proporciona para ayudarlo a comprender los conceptos en la práctica y escribir su propio rastreador web para impulsar sus ideas comerciales. Usted: Comprenderá el web scraping, sus aplicaciones/usos y cómo evitar el web scraping accediendo a puntos finales de la API de descanso disponibles públicamente para obtener datos directamente. Desarrollará un web scraper y un rastreador desde cero usando lxml y la biblioteca BeautifulSoup, y aprenderá sobre el scraping desde JavaScript. páginas habilitadas con Selenium Use computación en la nube basada en AWS con EC2, S3, Athena, SQS y SNS para analizar, extraer y almacenar información útil de páginas rastreadas Use lenguaje SQL en PostgreSQL ejecutándose en Amazon Relational Database Service (RDS) y SQLite usando SQLalchemy Review sci-kit learn, Gensim y spaCy para realizar tareas de NLP en páginas web raspadas, como reconocimiento de entidades de nombre, agrupación de temas (Kmeans, Agglomerative Clustering), modelado de temas (LDA, NMF, LSI), clasificación de temas (naive Bayes, Gradient Boosting Classifier) y similitud de texto (vecinos más cercanos basados en la distancia del coseno) Manejar formatos de archivos de archivo web y explorar datos abiertos de Common Crawl en AWS Ilustrar aplicaciones prácticas para web c rawl datos mediante la creación de una herramienta de sitio web similar y un perfilador de tecnología similar a builtwith.com Escriba scripts para crear una base de datos de backlinks en una escala web similar a Ahrefs.com, Moz.com, Majestic.com, etc., para la optimización de motores de búsqueda ( SEO), la investigación de la competencia y la determinación de la autoridad y la clasificación del dominio del sitio web Utilice los datos de rastreo web para crear un sistema de análisis de sentimientos de noticias o un análisis financiero alternativo que cubra las señales comerciales del mercado de valores Escriba un rastreador listo para producción en Python usando el marco Scrapy y trate con soluciones prácticas Captchas, rotación de IP y más.