<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Data_Journal的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Data_Journal</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Data_Journal]]></copyright><item><title><![CDATA[如何使用 Python 解析 HTML]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/168546399</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/168546399</guid><author>Data_Journal</author><pubDate>Tue, 20 Oct 2026 13:04:26 +0800</pubDate><description><![CDATA[这一次，我将带你了解如何使用三种流行工具解析 HTML：BeautifulSoup、lxml 和 html.parser。每一种工具都有其独特优势，我会向你展示如何充分利用它们。无论你是刚入门，还是希望提升技能，这些工具都会让 HTML 解析变得简单而高效。让我们开始吧！]]></description><category></category></item><item><title><![CDATA[如何绕过 Cloudflare：网页抓取的最佳方法]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/168142605</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/168142605</guid><author>Data_Journal</author><pubDate>Fri, 16 Oct 2026 18:59:38 +0800</pubDate><description><![CDATA[在本文中，我将分享一些绕过 Cloudflare 防护的最佳方法，同时保持合乎伦理。]]></description><category></category></item><item><title><![CDATA[如何使用 Selenium 和 Node.js 绕过 CAPTCHA]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/168142561</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/168142561</guid><author>Data_Journal</author><pubDate>Fri, 16 Oct 2026 18:57:33 +0800</pubDate><description><![CDATA[在本文中，我将解释如何使用 Selenium 和 Node.js 绕过 CAPTCHA。我们会了解不同的方法以及能够实现这一点的现代工具，同时保持内容简单且实用，适合任何希望克服这些挑战的开发者。]]></description><category></category></item><item><title><![CDATA[如何使用 Python 抓取 Google Maps]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/168142392</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/168142392</guid><author>Data_Journal</author><pubDate>Fri, 16 Oct 2026 18:52:05 +0800</pubDate><description><![CDATA[在这里，我会一步步向你展示如何操作，保持简单且易于跟随。让我们开始吧！]]></description><category></category></item><item><title><![CDATA[2025 年 Elixir 网页抓取：综合指南]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/167086417</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/167086417</guid><author>Data_Journal</author><pubDate>Mon, 05 Oct 2026 00:40:31 +0800</pubDate><description><![CDATA[在本指南中，我将带你了解如何使用 Elixir 进行网页抓取。我们会介绍基础内容——设置环境、必备工具和最佳实践。我还会讲解从分页页面和 JavaScript 渲染页面中抓取数据的技巧。让我们看看为什么 Elixir 正在成为网页抓取的热门选择！]]></description><category></category></item><item><title><![CDATA[什么是数据采集：你需要了解的一切]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/167085977</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/167085977</guid><author>Data_Journal</author><pubDate>Sun, 04 Oct 2026 23:38:28 +0800</pubDate><description><![CDATA[在本文中，我将解释数据采集、它的工作原理以及它的应用场景。我们还会了解让它变得更简单的工具、你可能面临的挑战等内容。让我们一步步拆解这个强大的流程，以便你了解它，并负责任地使用它。]]></description><category></category></item><item><title><![CDATA[什么是数据采集：你需要了解的一切]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/167085868</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/167085868</guid><author>Data_Journal</author><pubDate>Sun, 04 Oct 2026 23:20:58 +0800</pubDate><description><![CDATA[在本文中，我将解释数据采集、它的工作原理以及它的应用场景。我们还会了解让它变得更简单的工具、你可能面临的挑战等内容。让我们一步步拆解这个强大的流程，以便你了解它，并负责任地使用它。]]></description><category></category></item><item><title><![CDATA[如何在 Java 中使用 Selenium 绕过 CAPTCHA]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166847052</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166847052</guid><author>Data_Journal</author><pubDate>Tue, 29 Sep 2026 17:53:48 +0800</pubDate><description><![CDATA[我发现了一些技巧，可以在自动化操作时减少处理 CAPTCHA 的麻烦。无论是使用还是其他工具，这些策略都能提高你越过这道障碍的机会。目标并不是破解系统，而是在涉及 CAPTCHA 时，让自动化变得不那么复杂、耗时。让我们深入了解这些选项。]]></description><category></category></item><item><title><![CDATA[如何使用 Python Requests 绕过 CAPTCHA]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166847018</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166847018</guid><author>Data_Journal</author><pubDate>Tue, 29 Sep 2026 17:51:53 +0800</pubDate><description><![CDATA[在本指南中，我将介绍如何使用 Python Requests 来绕过 CAPTCHA，同时也会谈到一些重要的伦理考量和常见挑战。]]></description><category></category></item><item><title><![CDATA[2025 年使用 SeleniumBase 和 Python 进行网页抓取]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166846337</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166846337</guid><author>Data_Journal</author><pubDate>Tue, 29 Sep 2026 17:21:03 +0800</pubDate><description><![CDATA[SeleniumBase 是一个基于 Selenium 构建的开源 Python 框架，旨在简化网页自动化任务，包括测试和抓取。与通常需要大量样板代码的标准 Selenium 不同，SeleniumBase 通过内置的数据提取、交互自动化和反机器人规避工具，减少重复编码。]]></description><category></category></item><item><title><![CDATA[如何在 Java 中使用 Selenium 绕过 CAPTCHA]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166794195</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166794195</guid><author>Data_Journal</author><pubDate>Mon, 28 Sep 2026 20:38:16 +0800</pubDate><description><![CDATA[我发现了一些技巧，可以在自动化操作时减少处理 CAPTCHA 的麻烦。无论是使用 Selenium 还是其他工具，这些策略都能提高你越过这道障碍的机会。目标并不是破解系统，而是在涉及 CAPTCHA 时，让自动化变得不那么复杂、耗时。让我们深入了解这些选项。]]></description><category></category></item><item><title><![CDATA[如何使用 Python Requests 绕过 CAPTCHA]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166794161</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166794161</guid><author>Data_Journal</author><pubDate>Mon, 28 Sep 2026 20:35:46 +0800</pubDate><description><![CDATA[在本指南中，我将介绍如何使用 Python Requests 来绕过 CAPTCHA，同时也会谈到一些重要的伦理考量和常见挑战。]]></description><category></category></item><item><title><![CDATA[用 C# 构建网络爬虫：分步教程]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166794143</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166794143</guid><author>Data_Journal</author><pubDate>Mon, 28 Sep 2026 20:34:16 +0800</pubDate><description><![CDATA[在本文中，我将向你展示如何用 C# 构建一个网络爬虫。我们会从零开始，一步一步来。到最后，你将拥有一个高效、可扩展的爬虫，用于收集所需数据。]]></description><category></category></item><item><title><![CDATA[2026 年 6 个最佳 Axios 替代方案]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166793799</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166793799</guid><author>Data_Journal</author><pubDate>Mon, 28 Sep 2026 20:01:46 +0800</pubDate><description><![CDATA[Axios 一直是用于在 JavaScript 中处理异步请求的热门 HTTP 客户端。它轻量、易用，并且适合许多项目。但说实话——并不是每个工具都适合每一项工作。有时 Axios 并不能满足需求，尤其是当你需要 HTTP/2 支持、对失败请求的内置重试，或需要处理动态内容时。]]></description><category></category></item><item><title><![CDATA[2025 年使用 SeleniumBase 和 Python 进行网页抓取]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/166775842</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/166775842</guid><author>Data_Journal</author><pubDate>Mon, 28 Sep 2026 09:53:38 +0800</pubDate><description><![CDATA[我觉得它特别有吸引力，因为它易于使用，并提供了强大的自动化功能，非常适合初学者和经验丰富的开发者。尽管存在一些挑战，例如反机器人检测和扩展方面的限制，但使用 UC 模式和代理设置等智能策略，可以大幅提高成功率。与通常需要大量样板代码的标准 Selenium 不同，SeleniumBase 通过内置的数据提取、交互自动化和反机器人规避工具，减少重复编码。随着自动化工具持续发展，能够适应并使用这些框架，是在不断变化的网页抓取世界中保持领先的关键。在这个示例中，我们将从一个电商演示站点抓取产品详情。]]></description><category></category></item><item><title><![CDATA[如何使用 Google Sheets 抓取网站数据]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/165473163</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/165473163</guid><author>Data_Journal</author><pubDate>Tue, 15 Sep 2026 14:11:22 +0800</pubDate><description><![CDATA[我将带你了解使用 Google Sheets 抓取数据的不同方法。其中有和等函数，每个函数都适用于不同任务。这些工具可让你从网页、结构化表格或 RSS 源中提取数据。尽管存在一些限制，但它们为基础数据提取提供了一个不错的起点。]]></description><category></category></item><item><title><![CDATA[使用 AutoScraper 进行网页抓取：分步教程]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/165472875</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/165472875</guid><author>Data_Journal</author><pubDate>Tue, 15 Sep 2026 14:07:19 +0800</pubDate><description><![CDATA[AutoScraper 是一个 Python 库，可以根据你提供的示例自动学习数据结构。它结合 AI 和启发式分析来检测网页中的模式，从而简化数据提取流程。与 BeautifulSoup 或 Scrapy 等其他抓取库不同，这些库需要显式编写数据路径代码，而 AutoScraper 会理解数据结构，并学习如何独立提取类似数据。代码量极少：提供一个你想抓取的数据示例，AutoScraper 会处理其余部分。结构化数据处理： 非常适合遵循清晰格式的网站，例如产品列表或信息表格。无需手动检查 HTML。]]></description><category></category></item><item><title><![CDATA[如何将网页抓取用于机器学习]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/165472398</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/165472398</guid><author>Data_Journal</author><pubDate>Tue, 15 Sep 2026 14:03:16 +0800</pubDate><description><![CDATA[机器学习（ML）是人工智能的一个分支，它使计算机无需显式编程即可从数据中学习模式。ML 模型会识别数据集中的趋势，从而基于新的输入进行预测和决策。从股票市场分析到图像识别，机器学习在现代技术中都至关重要。然而，ML 模型的有效性取决于用于训练它的数据质量和数量。这正是网页抓取变得不可或缺的地方。确定你需要的网站和数据。例如，从 Yahoo Finance 抓取股票价格，可以作为构建预测性 ML 模型的数据集。所选数据应与你的机器学习项目目标保持一致。]]></description><category></category></item><item><title><![CDATA[Scrapy vs Pyspider：你应该使用哪一个？]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/164575314</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/164575314</guid><author>Data_Journal</author><pubDate>Tue, 08 Sep 2026 09:55:29 +0800</pubDate><description><![CDATA[Scrapy 是一个基于 Python 的网页抓取框架，专为从网站提取结构化数据而设计。无论你是在处理小规模项目还是企业级任务，Scrapy 都能提供效率、速度和可扩展性。Scrapy 的主要功能使用 XPath 和 CSS 的强大选择器。用于清洗和组织数据的内置管道。支持代理和请求头的中间件，以避免被检测。可扩展架构，支持 Scrapy-Splash（用于 JavaScript 渲染）等第三方集成。虽然 Scrapy 和 Pyspider 都有各自的优势，但对于大多数网页抓取项目而言，Scrapy。]]></description><category></category></item><item><title><![CDATA[Scrapyd：分步教程]]></title><link>https://blog.youkuaiyun.com/Data_Journal/article/details/164261597</link><guid>https://blog.youkuaiyun.com/Data_Journal/article/details/164261597</guid><author>Data_Journal</author><pubDate>Tue, 01 Sep 2026 15:32:09 +0800</pubDate><description><![CDATA[Scrapyd 是一款用于在服务器上部署和管理 Scrapy spiders 的工具。你可以通过简单的 API 调用远程控制所有内容。Scrapyd 服务器作为后台服务运行，会自动处理 crawl 请求并执行它们，无需人工干预。使用 Scrapyd，你可以轻松远程部署和管理你的Scrapy项目。通过统一的 JSON API控制所有抓取任务。使用用户友好的 Web 界面监控和管理你的 spiders。通过在多台服务器上运行 spiders 来扩展你的数据采集能力。]]></description><category></category></item></channel></rss>