本书按照“理论+实战”的形式编写，将企业项目需求分解为单独的任务，全面系统地讲解了大数据采集与预处理的相关知识与技术。全书针对数据采集的不同来源，将知识内容分为五个项目，包括网络数据采集、分布式消息系统Kafka、实时数据库采集工具Canal和Maxwell、ETL日志采集技术栈以及ETL工具一Kettle。本书针对大数据采集与预处理的关键技术及其应用场景，从数据的采集、存储和分析等多个方面介绍了大数据的数据处理流程，通过任务实例为读者展示了如何有效地使用技术或工具。本书可作为大数据相关专业的教学用书，也可作为相关技术人员培训或工作的参考用书。

项目一网络数据采集
任务一认识网络爬虫
一、了解网络爬虫
二、实现爬虫的请求
三、任务实践
任务二解析数据
一、使用正则表达式解析
二、使用BeautifulSoup解析
三、使用Path解析
四、使用PyQuery?解析
五、任务实践
任务三采集动态渲染网页的数据
一、准备Selenium的环境
二、声明浏览器对象
三、访问页面及获取HTML源码
四、查找网页元素
五、操作网页元素
六、获取元素的属性及文本
七、延时等待



\t八、任务实践



\t......