張華清

本書詳細介紹大數據采集與清洗的相關知識和技術，共9章，分別是概述、網絡爬蟲基礎、網頁數據抓取、緩存下載頁面、併發/並行爬取、用Selenium抓取動態內容、Scrapy爬蟲框架及其應用、大數據平臺系統日誌採集、pandas數據清洗。本書大體上由數據采集(第2～8章)和數據清洗(第9章)兩部分內容構成，以Python作為編程語言。數據采集部分以Web數據采集為主，也涉及Hadoop大數據平臺的數據采集，內容由淺入深，循序漸進，理論與實踐相結合，幫助讀者理解和掌握數據采集的相關技術；數據清洗部分主要介紹pandas庫的使用，幫助讀者掌握數據清洗的方法。本書每章都有配套的習題，有助於讀者鞏固所學知?識。本書可作為高校數據科學與大數據技術、信息管理與信息系統等專業相關課程的教材，也可作為大數據工程師的必備手冊，還可作為網絡爬蟲愛好者和計算機領域的技術人員的參考?書。

此次整理每篇分為三部分：原文、注釋和譯文。原文以上海師範學院古籍所吳紹烈等先生校點的《國語》1998年修訂本為底本；注釋廣泛參考吸收了《國語》舊注及近年研究成果，力求語詞訓詁準確,典制考辨詳實；譯文努力追求信、達雅的標準，在力求準確的同時，較為靈活地處理古漢語與現代漢語在語法、用詞等方面的差異，做到語句的通達和簡潔。