当前位置:首页 > 工业技术
精通Python网络爬虫  核心技术、框架与项目实战
精通Python网络爬虫  核心技术、框架与项目实战

精通Python网络爬虫 核心技术、框架与项目实战PDF电子书下载

工业技术

  • 电子书积分:11 积分如何计算积分?
  • 作 者:韦玮著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2017
  • ISBN:9787111562085
  • 页数:294 页
图书介绍:这是一本实战性的网络爬虫秘笈,不仅讲解了如何编写爬虫,而且还讲解了最流行的网络爬虫的使用。全书分为4个部分:第一部分对网络爬虫做了概要性的介绍,主要介绍了网络爬虫的常识和所涉及的技术概览;第二部分是本书的重点之一,详细讲解了网络爬虫的核心技术,包括网络爬虫的实现原理与实现技术、Urllib库和URLError库的异常处理、正则表达式与Cookie的使用、Fiddler的使用、爬虫的浏览器伪装技术、爬虫的定向抓取技术等;第三部分讲解了最流行的爬虫框架Scrapy的使用、架构和高级应用,是目前关于Scrapy最详细的讲解;第四部分是3个实战案例,讲解了博客爬虫、图片爬虫和模拟登陆爬虫的编写方法。
《精通Python网络爬虫 核心技术、框架与项目实战》目录

第一篇 理论基础篇 3

第1章 什么是网络爬虫 3

1.1 初识网络爬虫 3

1.2 为什么要学网络爬虫 4

1.3 网络爬虫的组成 5

1.4 网络爬虫的类型 6

1.5 爬虫扩展——聚焦爬虫 7

1.6 小结 8

第2章 网络爬虫技能总览 9

2.1 网络爬虫技能总览图 9

2.2 搜索引擎核心 10

2.3 用户爬虫的那些事儿 11

2.4 小结 12

第二篇 核心技术篇 15

第3章 网络爬虫实现原理与实现技术 15

3.1 网络爬虫实现原理详解 15

3.2 爬行策略 17

3.3 网页更新策略 18

3.4 网页分析算法 20

3.5 身份识别 21

3.6 网络爬虫实现技术 21

3.7 实例——metaseeker 22

3.8 小结 27

第4章 Urllib库与URLError异常处理 29

4.1 什么是Urllib库 29

4.2 快速使用Urllib爬取网页 30

4.3 浏览器的模拟——Headers属性 34

4.4 超时设置 37

4.5 HTTP协议请求实战 39

4.6 代理服务器的设置 44

4.7 DebugLog实战 45

4.8 异常处理神器——URLError实战 46

4.9 小结 51

第5章 正则表达式与Cookie的使用 52

5.1 什么是正则表达式 52

5.2 正则表达式基础知识 52

5.3 正则表达式常见函数 61

5.4 常见实例解析 64

5.5 什么是Cookie 66

5.6 Cookiejar实战精析 66

5.7 小结 71

第6章 手写Python爬虫 73

6.1 图片爬虫实战 73

6.2 链接爬虫实战 78

6.3 糗事百科爬虫实战 80

6.4 微信爬虫实战 82

6.5 什么是多线程爬虫 89

6.6 多线程爬虫实战 90

6.7 小结 98

第7章 学会使用Fiddler 99

7.1 什么是Fiddler 99

7.2 爬虫与Fiddler的关系 100

7.3 Fiddler的基本原理与基本界面 100

7.4 Fiddler捕获会话功能 102

7.5 使用QuickExec命令行 104

7.6 Fiddler断点功能 106

7.7 Fiddler会话查找功能 111

7.8 Fiddler的其他功能 111

7.9 小结 113

第8章 爬虫的浏览器伪装技术 114

8.1 什么是浏览器伪装技术 114

8.2 浏览器伪装技术准备工作 115

8.3 爬虫的浏览器伪装技术实战 117

8.4 小结 121

第9章 爬虫的定向爬取技术 122

9.1 什么是爬虫的定向爬取技术 122

9.2 定向爬取的相关步骤与策略 123

9.3 定向爬取实战 124

9.4 小结 130

第三篇 框架实现篇 133

第10章 了解Python爬虫框架 133

10.1 什么是Python爬虫框架 133

10.2 常见的Python爬虫框架 133

10.3 认识Scrapy框架 134

10.4 认识Crawley框架 135

10.5 认识Portia框架 136

10.6 认识newspaper框架 138

10.7 认识Python-goose框架 139

10.8 小结 140

第11章 爬虫利器——Scrapy安装与配置 141

11.1 在Windows7下安装及配置Scrapy实战详解 141

11.2 在Linux(Centos)下安装及配置Scrapy实战详解 147

11.3 在MAC下安装及配置Scrapy实战详解 158

11.4 小结 161

第12章 开启Scrapy爬虫项目之旅 162

12.1 认识Scrapy项目的目录结构 162

12.2 用Scrapy进行爬虫项目管理 163

12.3 常用工具命令 166

12.4 实战:Items的编写 181

12.5 实战:Spider的编写 183

12.6 XPath基础 187

12.7 Spider类参数传递 188

12.8 用XMLFeedSpider来分析XML源 191

12.9 学会使用CSVFeedSpider 197

12.10 Scrapy爬虫多开技能 200

12.11 避免被禁止 206

12.12 小结 212

第13章 Scrapy核心架构 214

13.1 初识Scrapy架构 214

13.2 常用的Scrapy组件详解 215

13.3 Scrapy工作流 217

13.4 小结 219

第14章 Scrapy中文输出与存储 220

14.1 Scrapy的中文输出 220

14.2 Scrapy的中文存储 223

14.3 输出中文到JSON文件 225

14.4 小结 230

第15章 编写自动爬取网页的爬虫 231

15.1 实战:items的编写 231

15.2 实战:pipelines的编写 233

15.3 实战:settings的编写 234

15.4 自动爬虫编写实战 234

15.5 调试与运行 239

15.6 小结 242

第16章 CrawlSpider 243

16.1 初识CrawlSpider 243

16.2 链接提取器 244

16.3 实战:CrawlSpider实例 245

16.4 小结 249

第17章 Scrapy高级应用 250

17.1 如何在Python3中操作数据库 250

17.2 爬取内容写进MySQL 254

17.3 小结 259

第四篇 项目实战篇 263

第18章 博客类爬虫项目 263

18.1 博客类爬虫项目功能分析 263

18.2 博客类爬虫项目实现思路 264

18.3 博客类爬虫项目编写实战 264

18.4 调试与运行 274

18.5 小结 275

第19章 图片类爬虫项目 276

19.1 图片类爬虫项目功能分析 276

19.2 图片类爬虫项目实现思路 277

19.3 图片类爬虫项目编写实战 277

19.4 调试与运行 281

19.5 小结 282

第20章 模拟登录爬虫项目 283

20.1 模拟登录爬虫项目功能分析 283

20.2 模拟登录爬虫项目实现思路 283

20.3 模拟登录爬虫项目编写实战 284

20.4 调试与运行 292

20.5 小结 294

返回顶部