基于R語言的自動數(shù)據(jù)收集：網(wǎng)絡(luò)抓取和文本挖掘?qū)嵱弥改?/h1>

譯者序

前  言

第1章概述

1.1案例研究：瀕危世界遺產(chǎn)地

1.2有關(guān)網(wǎng)絡(luò)數(shù)據(jù)質(zhì)量的一些討論

1.3傳播、提取和保存網(wǎng)絡(luò)數(shù)據(jù)的技術(shù)

1.3.1在網(wǎng)絡(luò)上傳播內(nèi)容的技術(shù)

1.3.2從Web文檔中提取信息的

技術(shù)

1.3.3  數(shù)據(jù)保存的技術(shù)

1.4本書的結(jié)構(gòu)

第一部分網(wǎng)絡(luò)和數(shù)據(jù)技術(shù)入門

第2章HTML

2.1瀏覽器顯示及源代碼

2.2語法規(guī)則

2.2.1標簽、元素和屬性

2.2.2樹形結(jié)構(gòu)

2.2.3注釋

2.2.4保留字符和特殊字符

2.2.5文檔類型定義

2.2.6  空格和換行

2.3標簽和屬性

2.3.1  錨標簽

2.3.2  元數(shù)據(jù)標簽

2.3.3  外部引用標簽

2.3.4  強調(diào)標簽、和



2.3.5段落標簽

2.3.6  標題標簽、、

等

2.3.7  通過、和

列舉內(nèi)容

2.3.8組織型標簽和



2.3.9 標簽及其同伴

2.3.10  外部腳本標簽

2.3.11  表格標簽、、

和

2.4解析

2.4.1  解析簡介

2.4.2丟棄節(jié)點

2.4.3在創(chuàng)建過程中提取信息

小結(jié)

延伸閱讀

習題

第3章  XML和JSON

3.1  XML文檔示例

3.2 XML語法規(guī)則

3.2.1  元素和屬性

3.2.2 XML結(jié)構(gòu)

第4章xpath

第5章HTTP

第6章AJAX

第7章SQL和關(guān)系型數(shù)據(jù)庫

第8章正則表達式和基本字符串函數(shù)

第二部分網(wǎng)絡(luò)抓取和文本挖掘?qū)嵱霉ぞ呦?br />
第9章網(wǎng)絡(luò)抓取

第10章統(tǒng)計性文本處理

第11章管理數(shù)據(jù)項目

第三部分一組案例分析

第12章美國參議院里的合作網(wǎng)絡(luò)

第13章從半結(jié)構(gòu)化文檔解析信息

第14章利用Twitter預測2014年奧斯卡獎

第15章繪制姓氏地理分布圖

第16章采集關(guān)于手機的數(shù)據(jù)

第17章分析產(chǎn)品評論里的情緒