系列文章
【Day 10】蒐集 iT 邦幫忙的技術文章 (3/6) - 換頁
昨天我們只有抓到第一頁的文章標題，今天就來試著讓程式學會「換頁」吧！ 換頁方式 當我們在網頁中按下第二頁或下一頁後，可以發現網址變成 https://ithe...
【Day 11】蒐集 iT 邦幫忙的技術文章 (4/6) - 內文
今天來試著抓文章的內文吧！這邊就用昨天的文章來作為爬取目標 ，順便偷人氣。 決定選擇器 直接在內文中點選「右鍵 > 檢查」打開開發人員工具，可以直接定位到...
【Day 12】蒐集 iT 邦幫忙的技術文章 (5/6) - 文章資訊
通常蒐集的資料範圍不會只有文章標題和內文，還會有作者、發文時間、標籤，甚至瀏覽數、回文等等比較詳細的資訊。今天先來抓取比較簡單的幾個資訊吧。 區塊定位 昨天我們...
【Day 13】蒐集 iT 邦幫忙的技術文章 (6/6) - 回文
除了原文外，回文常常也是重要的資料來源之一（特別是論壇類型的網站），所以今天來嘗試把回文也抓回來吧！ 技術文章有回文的不多，找到 30天30碗平民魯肉飯完食!...
【Day 14】資料持久化 - RDBMS (1/4)
寫完蒐集資料的程式後，接著要選擇儲存資料的方式，通常會選擇關聯式資料庫(RDBMS)或非關聯式資料庫(NoSQL) ，應該比較少人會存成本地檔案吧。這個系列會分...
【Day 15】資料持久化 - RDBMS (2/4)
今天來試著把我們從列表頁開始，一路抓到的文章內容和資訊都存到資料庫中！ 突然想到還沒整理過完整流程的原始碼，先來整理一下唄～ import requests f...
【Day 16】資料持久化 - RDBMS (3/4)
延續昨天的內容，今天會把回應的資料存到資料庫中～ 建立資料表 建立 ithome_response 資料表，並定位相關欄位如下： 這張表比較需要注意的是有...
【Day 17】資料持久化 - RDBMS (4/4)
在前三天的內容中，我們已經把文章和回應都存到資料庫中了，但如果都是用新增的方式，每次執行時如果抓到同一篇文章都會在資料庫中多出一筆，很容易造成後續分析時的誤差。...
【Day 18】資料持久化 - NoSQL (1/2)
抓下來的資料通常還要經過一系列的統計分析再呈現結果給使用者。這種資料一般稱為原始資料，大部分情況下抓回來後會儲存在所謂的 NoSQL 中。這兩天就會跟著大家一起...
【Day 19】資料持久化 - NoSQL (2/2)
先附上完整原始碼。跟 Day 17 的程式碼相比，只修改了 insert_article() 和 insert_responses() 兩個方法，把目標資料庫換...