web api實作的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘出下列價位、菜單、推薦和訂位總整理

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web api實作的問題，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

使用Laravel 8 PHP主流框架打造RESTful API(iT邦幫忙鐵人賽系列書)

為了解決web api實作的問題，作者王盛立 這樣論述：

　　全台第一本 Laravel 8！ 　　手把手的教學，立馬擁有寫程式的一技之長！ 　　完整的規劃，學習如何一步一步打造 API 　　✦入門PHP基礎、物件導向、開始使用 Laravel。 　　✦使用 Laravel 打造 RESTful API。 　　✦學會如何重構優化 API 以及大型系統設計的正確思路。 　　本書改編自第11屆iT邦幫忙鐵人賽 Modern Web 組優選網路系列文章---《使用 Laravel 打造 RESTful API》，適用目前最新版 Laravel 8 的版本，使用簡單易懂的方式從如何使用 PHP 以及 Laravel 框架開始到進階學習設計模式，完成

一個 RESTful API系統，這本書將帶給您一套基礎職前訓練。 　　API 可以把它想像成網路世界的郵差或餐廳的服務生，跟服務生說我要點一份蝦仁炒飯，服務生將開始一連串的動作，跟客人確認餐點、送單、等待廚師完成餐點、端到客人桌上，客人只需要跟服務生說我要蝦仁炒飯這幾個字，這就是 API，給需要的資料，等待結果回應，目前很多的應用程式像是聊天機器人、開放銀行或是使用 Facebook 帳號登入、註冊其他的網站...這些功能都要使用到 API 來溝通，未來5G物聯網的來臨，懂得API技術，勢必是必要的技能。 　　❄本書建議訓練流程 　　起始➔實作➔優化 　　起始：基本 PHP，結合第二

專長 　　✦PHP 基礎入門、物件導向設計模式。 　　✦開始使用 Laravel PHP 框架。 　　✦發現有興趣的議題結合 API 系統規劃。 　　實作：完成一個 RESTful API 的內容管理系統 　　✦新增、刪除、修改、查詢 RESTful API 實作教學。 　　✦輸入表單驗證，擁有安全的輸入資料。 　　✦統一輸出回應的格式。 　　✦身分驗證、權限分組。 　　優化：學會如何寫出具有一定品質的程式碼 　　✦重構的評估、功能測試、開始重構。 　　✦完成的 API 尚有不足的地方分享作者的重構經驗。 　　✦自動產生 API 文件。

Q-PointNet:以RGBD相機和多感測器夾爪結合深度學習技術 實現被遮擋物之取件任務

為了解決web api實作的問題，作者王啟恆 這樣論述：

本研究的目標是結合RGBD相機、多感測器夾爪(力感測器、電位計、霍夫感測器)、並且結合深度學習技術，在堆疊環境的情況下(如水果籃、玩具盒等)，實現對待抓取的目標物(有被遮擋的現象)進行穩定的夾取任務。視覺相機在工業或自動化生產線上使用的非常普遍，通常用來與機械手臂與機械夾爪搭配使用。在相機中的挑選又以純RGB的相機跟RGBD的相機更為常見，但RGBD的相機與純RGB的相機相比，多了深度的資訊，是更適合機器人使用，也能夠減少一些不必要的演算法的計算時間去得到物體實際的位置。此外，在Eye-to-hand與Eye-in-hand的系統中，本研究採用Eye-in-hand的系統，是更能夠以多元的角

度去觀測物體而不是固定視角，讓機器手臂如同人一樣能夠更有彈性的產生不同視角的資料。另外，也能夠在遮蔽情況產生時，藉由不同角度的觀察，找到目標物體。影像定位與姿態辨識的部分。首先是影像定位的步驟，配合RGBD的資訊，能夠藉由Mask R-CNN找出目標物的Mask，並且藉由深度資訊將其部分點雲找出，此外藉由Mask R-CNN在部分遮蔽時也能夠找出目標物的Mask，搭配Eye-in-hand的系統能夠有效的得到物體剩餘的形狀資訊。在夾取姿態演算法的步驟中，引入PointNet在點雲分類上傑出的表現，並且藉由Transfer learning的技術將其改成姿態辨識的框架—Q-PointNet。除了

產生出四元數當成抓取姿態以外，在同時也藉由這個框架產生出夾爪的模式(兩指或三指)，以達到讓夾爪能有更好的表現，而在這邊的Q-PointNet其實可以想成是一個形狀的分辨器，而在觀察到不同的部分點雲時，此分辨器會給出一個適當的抓取姿態，尤其在當物體的幾何資訊(點雲資訊)不足時使用，也就是當目標物受到其他物品的遮擋時，仍然能夠產生出好的夾取姿態。結合夾爪上電位計的感測效果，提出與Q-PointNet產生的夾取姿態相關的寬度計算演算法。在電位計使用上，可以讓指頭達到非常準確的角度量測，以用來控制指頭應該到達的位置。而此寬度計算的演算法則是用來計算希望夾爪預先要張開的寬度，以利於機械手臂與夾爪在執行夾

取過程時，與其他物體產生碰撞。在準備訓練研究中提出的架構時，總共需要準備兩種數據集，一個是訓練Mask R-CNN使用，另一個是用來訓練Q-PointNet使用。在Mask R-CNN訓練資料集的準備，研究中提出一個可行的解決方案—Auto-labeling，用來快速產生訓練Mask R-CNN的數據集。在Q-PointNet訓練資料集的準備上，研究中則實做了一個介面去做資料集的準備(部分點雲、夾取姿態、模式)。在介面中引入PCA當成是調整夾取姿態用的參考坐標系，並用尤拉角的計算讓介面上可以實時調整標註姿態。此外在介面上也引入ModelNet40資料集來產生模擬部分點雲，以減少資料蒐集上的時間

。同時，在點雲資料的處理上，研究中也將常用的處理點雲的方法統整成一個套件包，以方便在點雲資料前處理使用。最後，在實際的機器人實驗中，對影像定位做了實驗去驗證其精度誤差可以在正負4mm以內。另外對於夾取姿態演算法做了不同情境下的夾取實驗，分別是單個物體的夾取、倚靠物的夾取、分散物的夾取、堆疊物的夾取，以驗證Q-PointNet產生的夾取姿態與夾取策略能夠在不同情境下都適用，並且搭配力感測器，讓夾爪達到更穩定的抓取。