Web-scraping: сбор данных из баз данных и интернет-источников: различия между версиями
Строка 33: | Строка 33: | ||
* Практикум 2 ([https://github.com/allatambov/WebScrape23/blob/main/psy-practice02.ipynb читать], [https://www.dropbox.com/s/hrnnv2l4uriuj3t/psy-practice02.ipynb?dl=0 скачать]), решения практикума ([https://github.com/allatambov/WebScrape23/blob/main/psy-practice02-solutions.ipynb читать], [https://www.dropbox.com/s/2ja4g8pmf5gkdx5/psy-practice02-solutions.ipynb?dl=0 скачать]). | * Практикум 2 ([https://github.com/allatambov/WebScrape23/blob/main/psy-practice02.ipynb читать], [https://www.dropbox.com/s/hrnnv2l4uriuj3t/psy-practice02.ipynb?dl=0 скачать]), решения практикума ([https://github.com/allatambov/WebScrape23/blob/main/psy-practice02-solutions.ipynb читать], [https://www.dropbox.com/s/2ja4g8pmf5gkdx5/psy-practice02-solutions.ipynb?dl=0 скачать]). | ||
+ | |||
+ | ===Веб-скреппинг с BeautifulSoup, pandas и json (24 января)=== | ||
+ | |||
+ | * Практикум 3: о некоторых нюансах работы с BeautifulSoup (читать, ipynb). | ||
+ | * Обработка таблиц внутри HTML с BeautifulSoup и pandas (читать, ipynb). | ||
+ | * Извлечение кода JavaScript из HTML и обработка JSON-строк (читать, ipynb). | ||
+ | |||
+ | '''Дополнительно''' | ||
+ | |||
+ | * [https://www.crummy.com/software/BeautifulSoup/bs4/doc/ Документация] BeautifulSoup. | ||
+ | * [https://habr.com/ru/post/349860/ Обзор] регулярных выражений на habr.com, [https://docs.python.org/3/library/re.html документация] модуля re. | ||
==Домашние задания== | ==Домашние задания== |
Версия 23:26, 25 января 2023
Это страница обязательного курса «Web-scraping: сбор данных из баз данных и интернет-источников», читаемого на программе «Психология» 3 курса бакалавриата в 2022/2023 учебном году.
Практические занятия ведёт: Тамбовцева Алла Андреевна.
Содержание
Правила игры
- Формула оценки: 0.5 × ДЗ + 0.5 × Проект, программа курса.
- Домашние задания, сданные после срока, оцениваются с использованием понижающих коэффициентов: опоздание в пределах часа – штраф 10% от полученной оценки, в пределах суток – штраф 30%, в пределах недели – штраф 70%. Домашние задания, сданные через неделю после указанного срока и позже, не принимаются и не оцениваются.
Среда для работы
На данном курсе мы используем язык Python версии не ниже 3.5 и среду Jupyter Notebook. Скачать дистрибутив Anaconda, который установит интерпретатор Python, среду Jupyter Notebook и основные библиотеки для работы с данными, можно здесь. Если вы никогда не работали в Jupyter Notebook, предлагаем посмотреть небольшое видео и почитать инструкцию. В течение первой половины курса вместо Jupyter Notebook можно использовать онлайн-среду Google Colab, она бесплатна, но для работы нужен аккаунт Gmail.
Для практики
Если вы имеете мало опыта работы с Python, рекомендуем обратиться к следующим курсам на DataCamp (бесплатный доступ предоставлен всем слушателям этого курса): Introduction to Python, Python Data Science Toolbox (Part 1), Python Data Science Toolbox (Part 2), Data Manipulation with pandas.
Если хочется освежить в памяти разные сведения о конструкциях и структурах в Python, можно почитать материалы курса Python для сбора и анализа данных.
Материалы курса
Язык HTML и его особенности. Знакомство с BeautifulSoup (10 января)
- Язык HTML и его особенности: слайды, файл на codepen.
- Практикум 1 (читать, скачать), решения практикума (читать, скачать).
Дополнительно
Парсинг HTML-файлов с BeautifulSoup (17 января)
Веб-скреппинг с BeautifulSoup, pandas и json (24 января)
- Практикум 3: о некоторых нюансах работы с BeautifulSoup (читать, ipynb).
- Обработка таблиц внутри HTML с BeautifulSoup и pandas (читать, ipynb).
- Извлечение кода JavaScript из HTML и обработка JSON-строк (читать, ipynb).
Дополнительно
- Документация BeautifulSoup.
- Обзор регулярных выражений на habr.com, документация модуля re.
Домашние задания
Домашнее задание | Файл | Дедлайн |
---|---|---|
Домашнее задание 1 | ipynb | 17.01 23:59 |
Домашнее задание 2 | ipynb | 23.01 23:59 |
Домашнее задание 3 | ipynb | |
Домашнее задание 4 | ipynb | |
Домашнее задание 5 | ipynb |