Book Data Scraping & Analysis

الهدف:

تحديد موقع إلكتروني مستهدف واستخراج البيانات المتعلقة بالكتب مثل العناوين، الأسعار، التقييمات، مدى التوفر، وروابط المنتجات.

الخطوات المنفذة:

1. جمع البيانات (Web Scraping):

تم استخدام تقنيات BeautifulSoup و Selenium لاستخراج البيانات من الموقع المستهدف.

تم جمع بيانات الكتب مثل: العنوان، السعر، التقييم، مدى التوفر، والرابط الخاص بكل كتاب.

حفظ البيانات الأولية في ملف CSV منظم لمرحلة التحليل اللاحقة.

2. تنظيف البيانات ومعالجتها (Data Cleaning & Regex):

إزالة القيم الخاطئة أو غير الضرورية من مجموعة البيانات.

استخدام التعبيرات النمطية (Regular Expressions) لاستخراج وتنقية المعلومات النصية (مثل الأسعار أو التواريخ أو الأوصاف).

3. تحليل البيانات (Data Analysis):

حساب إحصاءات أساسية مثل متوسط الأسعار والتقييمات.

تحليل العلاقات بين المتغيرات (مثل العلاقة بين السعر والتقييم).

دراسة توزيع التقييمات والأنماط العامة في البيانات.

4. تصور البيانات (Data Visualization):

إنشاء رسوم بيانية متنوعة مثل المخططات الشريطية والخطية والخرائط الحرارية باستخدام Matplotlib و Seaborn.

تقديم النتائج بشكل تفاعلي وواضح.

5. تخزين البيانات (Data Storage):

تخزين البيانات بعد المعالجة في قاعدة بيانات SQLite لسهولة الوصول والاستخدام لاحقًا.

6. تطوير تطبيق ويب تفاعلي (Interactive Web App):

تم إنشاء تطبيق تفاعلي باستخدام Streamlit لعرض النتائج بشكل ديناميكي.

يسمح التطبيق للمستخدمين باستكشاف البيانات والتفاعل مع الرسوم البيانية بسهولة.

التقنيات المستخدمة:

Python (اللغة الأساسية للمشروع)

BeautifulSoup / Selenium – لجمع البيانات من الويب

Pandas – لمعالجة البيانات

Regular Expressions (Regex) – لمعالجة النصوص

Matplotlib / Seaborn – لتصور البيانات

SQLite – لتخزين البيانات

Streamlit – لبناء واجهة الويب التفاعلية