PythonによるWebスクレイピング 第2版

訳者あとがき

はじめに

本書の初版で、「本書は、PythonとWebスクレイピングとの組み合わせで初めての本というだけでなく、Webスクレイピングに関してもユニークな位置を占める。特に第Ⅱ部では、NLTKによる自然言語解析、SeleniumによるAjax、DHTML対応、同じくSeleniumによるテスト、Tesseractを用いたOCR処理など、単なるWebスクレイピングを超えた内容を豊富に含むので、研究や業務の一部としてWebスクレイピングを使う立場の人にも参考になる。」と述べました。この評価は、現在でも変わらないと思います。

それどころか、「API活用からMySQLを用いたデータベース連携、CSVやPDFファイルの処理、データのクリーニングやScrapyのようなツール使用など、スクレイピングの基本もしっかり押さえられている。」「12章　スクレイピングの落とし穴を避ける」や「付録C　Webスクレイピングの適法性と倫理」で端的に示されているように、倫理面法律面についての記述もあり、Webスクレイピングという行為そのものの全体像が把握できるという意味で出色の本だと言える。」というところまで、章番号は、今回変更になっていますが、特徴、内容の紹介は変わりません。

3年前に比べると、RPAパッケージの普及で、Webスクレイピングを行う機会が増えたのではないかと思います。パッケージでは細かい処理ができず苦労されている方にとっては本書に書かれた技法が役に立つはずです。

初版との相違点

それでは、この第2版で変わったのはどこかと言うと、次のようなところです。

• 章構成の変更とページ数の増加（50ページ増）。
• 付録の「Python入門」、「インターネット入門」の削除。
• Python 3.xに全面対応。3.x対応のScrapyについての記述が1つの章に独立。 ...