LLM × 網路爬蟲終極實戰：n8n 串接資料爬取 × Qdrant × RAG 打造本機 AI Agent

▌第 1 章 HTML、JSON 與網路爬蟲的基礎
1-1 網路爬蟲的基礎
1-2 網路爬蟲的相關技術
1-3 HTML 標籤語法與結構
1-4 CSV 與 JSON
1-5 Python × AI 網路爬蟲的相關函式庫

▌第 2 章 從網路取得資料
2-1 認識 HTTP 標頭與 httpbin.org 服務
2-2 使用 Requests 送出 HTTP 請求
2-3 取得 HTTP 回應內容
2-4 送出進階的 HTTP 請求
2-5 錯誤 / 例外處理與檔案存取

▌第 3 章 擷取靜態 HTML 網頁資料
3-1 在 HTML 網頁定位目標資料
3-2 使用 BeautifulSoup 剖析 HTML 網頁
3-3 分析靜態 HTML 網頁
3-4 使用 find() 函式搜尋 HTML 網頁
3-5 使用正規表達式搜尋 HTML 網頁

▌第 4 章 使用 CSS 選擇器爬取資料
4-1 認識 CSS 層級式樣式表
4-2 使用 CSS 選擇器定位 HTML 標籤
4-3 Google Chrome 開發人員工具
4-4 ChatGPT 應用：找出定位 HTML 標籤的 CSS 選擇器
4-5 在 BeautifulSoup 使用 CSS 選擇器

▌第 5 章 走訪 HTML 網頁取出資料與資料儲存
5-1 如何走訪 HTML 網頁
5-2 走訪 HTML 網頁取得資料
5-3 修改 HTML 網頁來爬取資料
5-4 資料清理
5-5 將取得資料儲存成 CSV 和 JSON 檔案
5-6 從網路下載圖檔

▌第 6 章 使用 XPath 表達式與 lxml 套件建立爬蟲程式
6-1 XPath 與 lxml 套件的基礎
6-2 使用 Requests 和 lxml 套件
6-3 XPath 資料模型
6-4 XPath 基本語法
6-5 XPath 運算子與函式
6-6 ChatGPT 應用：學習 XPath 表達式查詢 HTML 標籤

▌第 7 章 Selenium 表單互動與動態網頁擷取
7-1 認識動態網頁
7-2 安裝 Selenium
7-3 Selenium 的基本使用
7-4 定位網頁資料與例外處理
7-5 與 HTML 表單進行互動
7-6 JavaScript 動態網頁擷取

▌第 8 章 Scrapy 爬蟲框架
8-1 Scrapy 爬蟲框架的基礎
8-2 使用 Scrapy Shell
8-3 建立 Scrapy 專案的爬蟲程式
8-4 在專案使用 Item 和 Item Pipeline
8-5 輸出 Scrapy 爬取的資料

▌第 9 章 Python × ChatGPT 網路爬蟲
9-1 Python 爬蟲程式的常見問題
9-2 Requests + BeautifulSoup 爬蟲實作案例
9-3 Selenium 爬蟲實作案例
9-4 Scrapy 爬蟲實作案例

▌第 10 章 在 Python 使用 LLM 大型語言模型
10-1 認識生成式 AI 與 LLM
10-2 使用 OpenAI 的 ChatGPT API
10-3 使用 Google 的 Gemini API
10-4 LLM API 服務：Groq API
10-5 使用 Ollama 打造本機 LLM

▌第 11 章 Python × AI 網路爬蟲（一）：非同步程式設計 + Crawl4AI
11-1 Python 非同步程式設計
11-2 Crawl4AI 的基本使用
11-3 內容篩選和客製化 Markdown 輸出
11-4 CSS 與 XPath 的 Schema 資料擷取
11-5 LLM 驅動的 AI 資料篩選與提取
11-6 深度爬取和 JavaScript 動態網頁處理

▌第 12 章 Python × AI 網路爬蟲（二）：ScrapeGraphAI
12-1 ScrapeGraphAI 簡介與環境設定
12-2 基礎 Graph：SmartScraperGraph 與 SmartScraperMultiGraph
12-3 文字轉語音 Graph：SpeechGraph
12-4 腳本生成 Graph：ScriptCreatorGraph 與 ScriptCreatorMultiGraph

▌第 13 章 視覺化 AI 工作流程：n8n
13-1 認識 n8n 與工作流程
13-2 安裝與啟動 n8n 社群版
13-3 建立你的第 1 個工作流程
13-4 建立你的第 1 個 AI 工作流程
13-5 n8n 常用節點的使用

▌第 14 章 爬取知識庫的資料：SearXNG + Crawl4AI API
14-1 安裝、啟動與使用 Crawl4AI API
14-2 使用 SearXNG API
14-3 爬取 RAG 所需的知識庫資料
14-4 在 n8n 建立爬蟲程式和使用 SearXNG + Crawl4AI API

▌第 15 章 建立你自己的知識庫：Qdrant 向量資料庫
15-1 Embedding 模型：文字資料向量化
15-2 安裝與使用 Qdrant 向量資料庫
15-3 在 Python 程式使用 Qdrant 向量資料庫
15-4 建立你的知識庫：將文本內容存入向量資料庫
15-5 在 n8n 使用 Qdrant 向量資料庫

▌第 16 章 打造你自己的客製化 LLM：AI Agent、MCP 與 RAG 系統
16-1 認識 AI Assistant、RAG、AI Agent 和 MCP
16-2 使用 Python 手把手打造本機 RAG 系統
16-3 n8n 的 AI Agent 與 Tool
16-4 n8n 的 AI Agent 與 MCP
16-5 在 n8n 建立 RAG 的客製化 LLM

▌附錄 A Python 開發環境：Anaconda 與 WinPython 客製化套件（電子書）
A-1 建立 Anaconda 的 Python 開發環境
A-2 安裝本書客製化的 WinPython 可攜式套件
A-3 使用 Thonny 的 Python IDE