A Complete 12-Week Course to Learn Web Scraping in Python for Free
Zusammenfassung
Kurz
Frank Andrade skizziert einen kostenlosen Zwölf-Wochen-Kurs für Web-Scraping mit Python: von HTML und Beautiful Soup über XPath und Selenium bis zu Scrapy und fortgeschrittenen Projekten. Der Beitrag bündelt Lernlinks und Empfehlungen; Einschätzungen zu Werkzeugen und Lernzeit stammen vom Autor, und der Aufwand hängt laut ihm von der verfügbaren Zeit ab.
Mittel
Frank Andrade stellt einen kostenlosen Zwölf-Wochen-Plan vor, um Web-Scraping mit Python zu lernen. Er empfiehlt zunächst HTML-Grundlagen und Python-Basiswissen. In Woche 1 geht es um HTML-Elemente und Seitenstruktur, in Woche 2 um Beautiful Soup. Diese Bibliothek sei laut Autor ein einfacher Einstieg, habe aber Grenzen bei JavaScript-gesteuerten Seiten und Geschwindigkeit. Der Lernaufwand für die Grundlagen könne je nach verfügbarer Zeit ein bis zwei Wochen betragen.
Vor Selenium behandelt der Plan in Woche 3 XPath. In den Wochen 4 und 5 folgen Selenium-Grundlagen; die Wochen 6 und 7 behandeln unter anderem Navigation, Wartezeiten, Anmeldung und endloses Scrollen. Für die Wochen 8 und 9 ist der Einstieg in Scrapy vorgesehen, gefolgt von fortgeschrittenen Themen wie Crawlern, Datenbanken, Proxys, APIs und Splash in den Wochen 10 bis 12. Für umfangreiche Themen empfiehlt Andrade, passende Projekte auszuwählen und jeweils nur ein oder zwei Aspekte zu üben.
Der Beitrag ist eine kuratierte Sammlung verlinkter Lernressourcen, keine dokumentierte Prüfung der Werkzeuge. Aussagen zu Einfachheit, Leistungsfähigkeit und Zeitbedarf sind Einschätzungen des Autors; der Lernaufwand könne variieren.
Ausführlich lesen
Der vollständige Bericht von Frank Andrade stellt einen kostenlosen Lernplan über zwölf Wochen für Web-Scraping mit Python vor. Der Autor begründet das Thema damit, dass Daten in vielen Berufen und für Entscheidungen, Problemlösungen und Berichte wichtig seien. Automatisiertes Auslesen von Websites könne laut Artikel viel manuelle Kopierarbeit ersparen. Der Kurs richtet sich auch an Einsteiger, empfiehlt aber HTML-Grundlagen und Python-Basiswissen.
In Woche 1 stehen HTML-Elemente und -Tags, Überschriften, Absätze, Bilder, Links, Listen, das div-Element sowie Kopf- und Fußbereich einer Website auf dem Plan. Der Artikel erklärt, dass man beim Scraping HTML-Elemente untersuchen müsse, um die gewünschten Inhalte zu finden. Für Personen ohne Python-Vorkenntnisse verweist er auf einen zusätzlichen Crashkurs.
In Woche 2 folgt Beautiful Soup. Andrade empfiehlt die Bibliothek als Einstieg, weil sie seiner Einschätzung nach einfach und mit wenigen Methoden zu bedienen ist. Zugleich nennt er Grenzen: Beautiful Soup unterstütze das Auslesen JavaScript-gesteuerter Websites nicht und sei in puncto Geschwindigkeit eingeschränkt. Für die Grundlagen veranschlagt er ein bis zwei Wochen, abhängig von der verfügbaren Lernzeit. Die Übungen umfassen das Abrufen von HTML, das Auslesen einer einzelnen Seite, den Export in eine Textdatei sowie das Verarbeiten mehrerer Links und Seiten.
Vor Selenium sieht der Plan in Woche 3 XPath vor: Syntax, Funktionen, Operatoren und Sonderzeichen. XPath dient laut Artikel dazu, Knoten in einem XML-Dokument auszuwählen und wird bei komplexerem HTML als wichtiges Werkzeug dargestellt. In den Wochen 4 und 5 lernen Teilnehmende Selenium-Grundlagen, etwa Webdriver, Klicks, Tabellenauslesen, CSV-Export mit Pandas und Dropdowns. Der Autor hebt Seleniums Eignung für JavaScript-Seiten und explizite Wartezeiten hervor.
Die Wochen 6 und 7 widmen sich fortgeschrittenen Selenium-Aufgaben: Seitennavigation, implizite und explizite Wartezeiten, Anmeldung, endloses Scrollen und Optionen wie Headless-Modus oder Fenstergröße. Da das auf einmal zu viel sein könne, empfiehlt Andrade Projekte, die jeweils nur ein oder zwei dieser Themen behandeln.
In den Wochen 8 und 9 beginnt Scrapy. Der Autor beschreibt es als leistungsstarkes, aber schwieriger zu erlernendes Framework und rät dazu, sich zunächst mit Projektstruktur, Befehlen, Vorlagen, Shell, Spidern und dem Export nach CSV oder JSON vertraut zu machen. Für die Wochen 10 bis 12 listet er fortgeschrittene Themen auf: Crawler, Datenbanken wie MongoDB und SQLite, Proxys, APIs, Website-Anmeldungen und Splash. Auch hier empfiehlt er, die Themen über gezielte Projekte zu üben. Als Beispiele nennt er das Auslesen von Amazon und mehreren Online-Shops.
Der Beitrag ist vor allem ein thematischer Lernpfad mit Links zu Videos, Artikeln und Projekten; eigene Messungen oder systematische Vergleiche legt er nicht vor. Zeitangaben und Einschätzungen zur Einfachheit, Leistungsfähigkeit und Eignung stammen vom Autor. Für Scrapy behauptet er unter anderem, es könne JavaScript-Seiten schneller als Selenium auslesen und große Projekte handhaben. Der tatsächliche Lernaufwand könne variieren; der Artikel nennt keine allgemeingültige Zeitgarantie. Außerdem enthält er Hinweise auf den Python-Crashkurs, eine kostenlose Cheat-Sheet-Anmeldung und eine kostenpflichtige Medium-Mitgliedschaft mit möglicher Provision für den Autor.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Einordnung enthält keine Fragen (je Sammelfrage und je Teilfrage jeweils „(keine)“), daher wurde keine Frage bewertet. Die Zusammenfassung „mittel“ ist im Kern treu, ordnet aber die 1 bis 2 Wochen Lernzeit falsch den Grundlagen zu statt Beautiful Soup. Die Zusammenfassung „kurz“ ist knapp und treu, lässt aber den Python-Crashkurs aus.
Im Bericht, aber nicht in der Zusammenfassung
- Selenium wird gegenüber Beautiful Soup als überlegen bei JavaScript-Seiten und Wartezeiten beschrieben
- Scrapy gilt als leistungsstärkstes Framework und soll JavaScript-Seiten schneller als Selenium scrapen
- Der Python-Crashkurs am Ende des Beitrags als Voraussetzung für Web-Scraping fehlt
In der Zusammenfassung, laut Prüfung nicht im Bericht belegt
- In der mittleren Zusammenfassung wird der Lernaufwand von 1 bis 2 Wochen den Grundlagen zugeordnet, im Bericht gilt er nur für Beautiful Soup
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.