本书以项目为引领，任务为驱动，围绕企业级数据采集与预处理应用进行项目任务设计。全书共5个项目，包括数据采集与预处理准备、网络爬虫实践、日志数据采集实践、使用Sqoop进行数据迁移、数据预处理实践。本书讲述Scrapy、Flume、Sqoop、Kettle、pandas等技术，以及urllib、Selenium爬虫基本库和BeautifulSoup解析库的相关知识与应用案例。