本书是五年制高职专用教材，依据五年制高等职业教育财会类专业人才培养方案，以通用大数据采集技术为基础，聚焦网络大数据采集工具在商科的应用。
本书紧扣“大数据与会计”专业（群）教学实践，以程序设计语言（Python）为学习支架，在应用信息技术手段完成财务大数据采集、整理的同时，初步掌握脚本语言的语法逻辑，自定义函数的设计和库功能函数的调用等。本书以大量丰富的财务工作场景作为实践对象，使学生能够从真实岗位工作情境出发，认知工作流程规范和复杂问题，提高学生进行财务大数据采集的综合能力。
全书共包括七个项目：大数据与Python网络爬虫概述、Requests库、正则表达式、XPath语言、采集静态网页数据、采集动态网页数据、反爬虫技术的应对策略。
本书可作为职业院校财会类专业教学用书，也可作为会计从业人员自主学习参考用书。
- 前辅文
- 项目一 大数据与Python网络爬虫概述
- 任务一 初识大数据
- 任务二 初识网络爬虫
- 任务三 认识网页结构
- 任务四 认识HTTP
- 任务五 解析网络爬虫工作原理
- 项目二 Requests库
- 任务一 安装Requests库
- 任务二 发送Request请求
- 任务三 处理Request响应
- 项目三 正则表达式
- 任务一 设置正则表达式
- 任务二 使用匹配函数
- 任务三 使用正则表达式抓取股票资讯
- 项目四 XPath语言
- 任务一 设置XPath规则
- 任务二 获取网页节点属性和文本
- 任务三 使用XPath规则抓取管理者信息
- 项目五 采集静态网页数据
- 任务一 识别静态网页
- 任务二 使用解析库分析网页
- 任务三 使用XPath Helper解析网页
- 项目六 采集动态网页数据
- 任务一 制定动态网页抓取流程
- 任务二 调用Selenium加载浏览器
- 任务三 存储动态JSON数据
- 任务四 抓取上市公司财务报表
- 项目七 反爬虫技术的应对策略
- 任务一 应对反爬虫策略
- 任务二 遵循robots协议和爬虫技术法规
