カスタマーレビュー

Spidering hacks―ウェブ情報ラクラク取得テクニック101選

星5つ:		(11)
星4つ:		(0)
星3つ:		(1)
星2つ:		(1)
星1つ:		(0)

 

 

WEBから特定の情報源を収集して、体系立てて保存したいと考えている人は、必読。

本書は文字列の処理に優れたPerlを中心に記述されているが、WEBアプリケーションに特化したPHPのサンプルが紹介されている。
収集したデータをブログで利用されているRSS（XML）形式にして再公開するための手法も紹介されている。

さらに、スパイダーを運用するに当たっての注意事項などにもページを割いている点は好感。
そして、原著は米国で記述されたものだが、翻訳をする際に日本独自の記述もあり、日本語処理などに戸惑うことは少ないだろう。

買って損なし。値段以上の価値がある。

スパイダを使用する上での方法論、アルゴリズム、利用方法などが解説されています。

この本では最新のPerl5.8に対応した、また新しいモジュールに対応した内容となっています。今まではオライリーの「Webクライアントプログラミング」という本を参考にスパイダ、ロボットを作っていたが、それを十分上回る内容と情報量です。

オライリーのHackシリーズは通常100種類のHackが解説されているのですが、本書では101あります。この101個目は日本語版での書き下ろしで、Perlを使用した日本語処理に関する基本から応用を解説しています。
また、通常翻訳本は英語の内容を日本語にしたものですが、本書はいくつかのHackが日本のWeb環境に合わせて書き直されています。（コードも）

翻訳もすばらしく、日本語環境に合わせているのでそれだけでも５つ星です。

私には投資のためにウェブ情報を利用するアイデアがあり、それを実現する方法を探していた時にこの本を見つけました。

書いてある事は興味深かったのですが、事例のほとんどがPerlで書かれており、Perlがわからないのでさっぱり理解できません。そこで入門本を買ってPerlの学習から始めました。そのために数ヶ月回り道しましたが、その価値はあったと思います。「知りたい事を知る事ができた」というより「自分の世界が拡がった」感じです。

本書は、スパイダ（インターネットから様々な情報を自動的に取得する
プログラム）作成時に於ける有益なテクニックを、ふんだんに盛り込んだ、
書籍です。

ページをパラパラとめくると、Perlのスクリプトであふれており、中には、
sh,Java,PHP,Pythonで記述されたものもあります。とは言っても、
第1章「ウォーミングアップ」から始まるので、いきなりスクリプトが
登場することはありません。

本書の特筆すべき点に、豪華な執筆陣を挙げることができます。
著者は元より、『貢献者』と呼ばれる24人の執筆者の中には、
"Sean M.Burke"（著書『Perl&LWP』）や"Paul Bausch"（著書『Amazon Hacks』）
を始め、錚錚たるメンバーが名を連ねています。また、多くのHackの末尾には、

執筆者の名前が記されています。『クレジット』のページには、執筆者の
プロフィールの他、URLが記載されたものも多く、さらに詳しく調べることが
できます。

「Perlをある程度勉強している」＋「Webページから情報を抜き出すことに興味がある」
の二項目に当てはまれば持っていて損はない本だと思います。

もともとが洋書であるため、対象サイトが海外のものであるのもちらほらありますが、
翻訳する際にソースや内容も日本人向けに変更しているのでそこまで問題になりません。

翻訳もよく、難しくも面白い内容を取り扱っている本なので、
個人的には買ってよかったと思える本でした。

因みに、自分はスパイダリングに関する本を読んだのはこれが初めてですが、
初心者(Perlの知識はある程度必要)でも全く何が書いてあるのか分からないということはありませんでした。

自分がよくチェックするサイトを自動的に巡回したり、
お気に入りの画像掲示板から画像を自動で取得するために
主にPerlのLWP,HTMLモジュールを中心にスパイダリングを行うツールを作るためのHack本

検索ロボットを作ってみたい、仕組みを知りたい人の導入本としておすすめ。
サンプルプログラムを日本国内向けのサイトに変更している点が親切。

インターネットを使いこなす上で絶対必要な検索力、それを磨くには絶対必要な本、と言えるほど充実した内容になっています。
Google Hacks を持っている人にも超お勧めの本です。

最初はPerlよりも、Spideringという言葉につられてなんとなく購入してみました。（１年前）
仕事から帰って、Hackを少しずつこなすのはなかなか続けるのは大変です。
内容自体は少し古めなので、Hack対象のサイトが消えたり、アドレスが変わってたりはしょっちゅうです。
それでも、Hackのネタから今出来ることを自分なりに工夫して、ようやくHack50近くにたどり着きました。
確かに今では Web::Scraperをはじめとした、より便利なHackがあるかもしれません。
ですが、本当にスキルをあげようと思ったら自分の手を動かして、工夫して、それでもハマって、
それを乗り越えるしかないと思います。
その意味で、今こそこの本は買いの一冊といえるのではないでしょうか？

このHacksシリーズのよさは、テクニック１００選にあるかもしれない。
技術を体系的に教えようとしたり、解説しようとすると、書きたいことが多すぎて、整理しきれないことがある。本書のように、１００という制約を設けると、じゃ、何を書いて、何を削ろうという選択がしやすい。そのため、内容も厳選され、質も揃うことになるのではないかと推測できる。
ただ、本書だけは１０１になっている本当の理由はなんだろうかは興味がある。

Spideringという情報検索（収集）ロボットに関する技術紹介である。
自分のPCに取得した方がよいか、常にネットにつながるところで作業するかは、仕事の仕方によるかもしれない。

情報の機密性、価値などに対する考え方で、集めてくるのがいいかどうか。
情報の整理の仕方についても考えさせられる。

2004年5月26日リリース。O'REILLYの『Hacks』シリーズの邦訳。最近のO'REILLYの『Hacks』のシリーズと『The Missing Manual』シリーズはどれも見逃せない面白さである。（●＾o＾●）

『Spider』とはインターネットから様々な情報を自動的に取得するプログラムの総称である。ネットの海から欲する情報を吸い出す。それは単にWWWだけでなく、例えば電子メールのPOP3サーバから添付ファイルだけを抜き出す。それら徹底した収集方法を獲得し、次にそれらをRSSを用いてデータを再利用したり、ダッシュボードのウイジットの引っ張るデータとしたりする。（●＾o＾●）最高にCoolな本である。

特徴として執筆者2名を支える『貢献者』が圧倒的に厚い(熱いとも言える（●＾o＾●）)事が上げられる。それがこの本の中身をすばらしいものにしている!!!『Hacks』の白眉が本書である。