JavaScript PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Python網路爬蟲：大數據擷取、清洗、儲存與分析 王者歸來(第二版)

為了解決JavaScript PTT的問題，作者洪錦魁 這樣論述：

Python網路爬蟲 大數據擷取、清洗、儲存與分析 王者歸來(第二版) ★★★本書第一版是【博客來2020年】【電腦書年度暢銷榜第3名】★★★ ★★★★★【26個主題】+【400個實例】★★★★★ ★★★★★從【零】開始的【網路爬蟲入門書籍】★★★★★ ★★★★★大數據【擷取】、【清洗】、【儲存與分析】★★★★★ ★★★★★【網路趨勢】+【了解輿情】★★★★★ 　　第二版和第一版做比較，增加下列內容： 　　★：全書增加約50個程式實例 　　★：網路趨勢，了解輿情 　　★：網路關鍵字查詢 　　★：YouBike資訊 　　★：國際金融資料查詢 　　★：博客來圖書排行榜 　　★：中央氣象局 　

　★：租屋網站 　　★：生活應用 　　下列是本書有關網路爬蟲知識的主要內容： 　　★：認識搜尋引擎與網路爬蟲 　　★：認識約定成俗的協議robots.txt 　　★：從零開始解析HTML網頁 　　★：認識與使用Chrome開發人員環境解析網頁 　　★：認識Python內建urllib、urllib2模組，同時介紹好用的requests模組 　　★：說明lxml模組 　　★：XPath方法解說 　　★：css定位網頁元素 　　★：Cookie觀念 　　★：自動填寫表單 　　★：使用IP代理服務與實作 　　★：偵測IP 　　★：更進一步解說更新的模組Requests-HTML 　　★：認識適用大

型爬蟲框架的Scrapy模組 　　在書籍內容，筆者設計爬蟲程式探索下列相關網站： 　　☆：國際與國內股市資訊 　　☆：基金資訊 　　☆：股市數據 　　☆：人力銀行 　　☆：維基網站 　　☆：主流媒體網站 　　☆：政府開放數據網站 　　☆：YouBike服務網站 　　☆：PTT網站 　　☆：電影網站 　　☆：星座網站 　　☆：小說網站 　　☆：博客來網站 　　☆：中央氣象局 　　☆：露天拍賣網站 　　☆：httpbin網站 　　☆：python.org網站 　　☆：github.com網站 　　☆：ipstack.com網站API實作 　　☆：Google API實作 　　☆：Facebook

API實作 　　探索網站成功後，筆者也說明下列如何下載或儲存不同資料格式的數據： 　　★：CSV檔案格式 　　★：JSON檔案格式 　　★：XML、Pickle 　　★：Excel 　　★：SQLite 　　在設計爬蟲階段我們可能會碰上一些技術問題，筆者也以實例解決下列相關問題： 　　☆：URL編碼與中文網址觀念 　　☆：將中文儲存在JSON格式檔案 　　☆：亂碼處理 　　☆：簡體中文在繁體中文Windows環境資料下載與儲存 　　☆：解析Ajax動態加載網頁，獲得更多頁次資料 　　☆：使用Chromium瀏覽器協助Ajax動態加載

JavaScript PTT進入發燒排行的影片

以視覺化系統探索社群媒體中的使用者行為

為了解決JavaScript PTT的問題，作者李柏彥 這樣論述：

社群媒體是現代社會中獲取資訊的主要管道之一，同時也是人們發表意見的地方，然而，人們的意見經常被社群媒體上的意見領袖所左右，而意見領袖的聲量通常透過發表文章及評論來累積，但也有可能是特定集團抬轎而來，因此，本研究提出一個視覺化分析系統，將使用者之間的行為相似度表示成距離矩陣並排序，再以基於熱度圖的視覺化呈現，並且利用使用者與文章的二分關係將其繪製成具關聯矩陣風格的視覺化，結合上述兩者視覺化來觀察使用者活動情形並比較不同使用者類型的差異，可以幫助人們了解意見領袖的聲量是如何累積，以及他們是如何讓其關注的議題被更多人看見，最後，我們會做使用者研究來評估本論文的成效。

Python x Excel VBA x JavaScript：網路爬蟲 x 實戰演練

為了解決JavaScript PTT的問題，作者廖敏宏（廖志煌） 這樣論述：

．進階封包分析技巧，掌握數據來源熟悉度。 ．逐步說明的實戰範例，輕鬆學會網站爬蟲技巧。 ．清楚分類網站類型，系統性了解網站全貌。 ．多語言開發技巧，快速提升程式開發能力。 ．多元開發技巧，節省自行搜尋與研究時間。 　　本書著重多語言操作應用（Excel VBA、Python、JavaScript）與多解法開發爬蟲程式、網路封包側錄分析、網站資料尋找分析，有別於坊間爬蟲書籍僅以Python作為爬蟲操作語言與單一方式解決問題的作法。 　　著重原理與觀念，多角度學習，效果更佳 　　承襲《Excel VBA 實戰技巧｜金融數據x網路爬蟲》中提過的觀念，「爬蟲原理與觀念通了，任何程式語言都可以做

爬蟲程式」與多元開發的精神。本書在加入Python後，並以Python常見的爬蟲模組來解決同一個爬蟲問題，讓讀者可從多角度去學習Python與爬蟲程式的開發技巧。 　　JavsScript加密混淆破解技法大公開 　　JavaScript對於網頁是非常重要的腳本語言，而讀者遇到以JavaScript做加密、混淆、美化等技巧的網頁，往往就望之興嘆無法再進行分析與開發爬蟲，藉由Excel VBA、Python對JavaScript操作範例練習，讓讀者面對相關網頁不再裹足不前。 　　針對封包側錄與發送過程進行詳細的探討與解說 　　封包分析是開發爬蟲程式最重要的一環，若封包側錄、分析、發送等環節出錯

，將會導致開發爬蟲程式出現嚴重錯誤，陷入「一步錯步步錯」的窘境，要解決此問題就必須對封包發送內容能清楚掌握，本書針對封包側錄與發送過程進行詳細的探討與解說，透過工具設定與操作，明確封包內容資訊，進一步提升爬蟲分析能力。 　　分析網站資料產生的流程，分成網頁操作、封包側錄與分析、連線測試等階段，將每個階段的特徵記錄、整理、歸納而成「網頁操作分析表」，讓讀者在分析網站能一目了然網頁全貌，可避免分析了後面忘了前面的分析，導致開發爬蟲程式遺漏了關鍵步驟而造成無法抓取網頁資料。 各界推薦 　　國立政治大學應用數學系副教授 蔡炎龍 　　Tivo168教你Excel輕鬆投資理財 Tivo Chang

　　算利教官 楊禮軒  

基於深度學習之電影評論文本情緒分析

為了解決JavaScript PTT的問題，作者林威听 這樣論述：

對電影消費者而言，決定花費金錢和時間之前只能以電影預告作為消費前的參考依據，而眾多觀影人的觀後心得文章最接近大眾的想法，且較為客觀，因此對於電影消費者的參考價值較高。對電影評論進行文本情緒分析(sentiment analysis)可以了解消費者對於該電影之評價，傳統的機器學習方法需要依據詞庫給定之每個詞的正向或負向情緒分數做分類，此外也有使用倒傳遞神經網路(back propagation network, BPN)的方法，然而這些方法的準確率都不盡理想。 本研究使用基於深度學習演算法(deep learning)的遞迴神經網路(recurrent neural network, R

NN)之改良: 門控循環單元(gated recurrent unit, GRU)來進行文章情緒特徵萃取及分類，不需要詞庫給定詞之情緒分數，可以透過重複訓練找出特徵並做出正確分類，而RNN具有處理序列資料的特性，適合處理文章中詞與詞之間的前後關聯。GRU的神經元內部擁有閘門(gate)可以有效調節資訊流，這些閘門會依據先前的資料決定現有資料應該被捨棄或記憶，藉由此特性可以在複雜的詞句中過濾掉不重要的資訊進而提升準確率，GRU更可以因為閘門數量少於長短期記憶網路(long short-term memory network, LSTM)而減少計算成本。此外，本研究的神經網路模型之訓練資料除了有電

影文章之外也加入了大量具有情緒極性之文章，能有效幫助模型學習到更多幫助判斷情緒極性之資訊。 實驗的部分是以PTT電影版中的電影觀後心得文章轉換為向量資料後作為LSTM 和GRU之訓練資料，而測試階段是使用非訓練資料的文章作為驗證資料，實驗結果顯示，LSTM準確率達到91.1%，GRU準確率達到91.3%，準確率優於使用BPN以及傳統機器學習。在最後應用的實驗部分，本研究使用提出之方法針對2018年台灣票房前五名之電影給予分數，經由與其它電影評分網站之分數作比較後發現，本研究之評分並不高分，是因為我們將所有文章分數總合並平均，將正面與負面的評價一起作評分，因此這些分數對於使用者來說更加真實，可

信度也更高。