Python网络爬虫从入门到实践

　　本书讲解了如何使用Python编写网络爬虫，涵盖爬虫的概念、Web基础、Chrome、Charles和Packet Capture抓包、urllib、Requests请求库、lxml、Beautiful Soup、正则表达式解析数据、CSV、Excel、MySQL、Redis、MongoDB保存数据、反爬虫策略应对、爬虫框架Scrapy的使用与部署，以及应用案例。本书结构清晰、内容精练，代码示例典型实用，附带实践过程中遇到问题的解决方案，非常适合Python初学者和进阶读者阅读。

　　庄培杰，CSDN博客专家，排名146，访问量达1625W+，简书程序员专栏优秀作者。从事编程开发10余年，熟悉Python的方方面面，尤其擅长Python爬虫和数据分析。现任思可教育投资开发（深圳）有限公司Python高级工程师工程师。

目 录
第1章 Python爬虫概念与Web基础\t1
1．1 爬虫概念\t1
1．1．1 什么是爬虫\t1
1．1．2 爬虫使用场景的引入\t2
1．1．3 爬虫的组成部分\t3
1．1．4 模拟请求\t3
1．1．5 数据解析\t4
1．1．6 数据保存\t5
1．1．7 爬虫的学习路线\t5
1．2 HTTP简述\t6
1．2．1 简述一次网络请求过程\t6
1．2．2 URI和URL\t7
1．2．3 HTTP请求报文\t8
1．2．4 HTTP响应报文\t10
1．3 网页的组成\t13
1．3．1 HTML简介\t13
1．3．2 CSS选择器简介\t16
1．3．3 JavaScript简介\t17
第2章 Python爬虫基本库的使用\t18
2．1 Chrome抓包详解\t18
2．1．1 Controls\t20
2．1．2 Filter\t21
2．1．3 Request Table\t21
2．2 urllib库详解\t23
2．2．1 发送请求\t23
2．2．2 抓取二进制文件\t24
2．2．3 模拟GET和POST请求\t25
2．2．4 修改请求头\t26
2．2．5 设置连接超时\t27
2．2．6 延迟提交数据\t27
2．2．7 设置代理\t27
2．2．8 Cookie\t28
2．2．9 urllib．parse模块\t29
2．2．10 urllib．error异常处理模块\t31
2．2．11 urllib．robotparser模块\t32
2．3 用lxml库解析网页节点\t34
2．3．1 安装库\t34
2．3．2 XPath语法速成\t34
2．4 实战：爬取小说《三国演义》\t36
第3章 Python爬虫抓包与数据解析\t41
3．1 抓包进阶\t41
3．1．1 HTTPS介绍\t42
3．1．2 HTTPS的工作流程\t43
3．1．3 Charles抓包\t43
3．1．4 Packet Capture抓包\t49
3．2 Requests HTTP请求库\t52
3．2．1 Requests库简介\t53
3．2．2 Requests HTTP基本请求\t53
3．2．3 Requests 请求常用设置\t54
3．2．4 Requests 处理返回结果\t54
3．2．5 Requests 处理Cookie\t55
3．2．6 Requests重定向与请求历史\t55
3．2．7 Requests 错误与异常处理\t55
3．2．8 Requests Session会话对象\t55
3．2．9 Requests SSL证书验证\t56
3．3 实战：爬取微信文章中的图片、音频和视频\t56
3．3．1 爬取标题\t56
3．3．2 爬取图片\t57
3．3．3 爬取音频\t58
3．3．4 爬取视频\t60
3．3．5 代码整理\t64
3．4 Beautiful Soup解析库\t67
3．4．1 Beautiful Soup简介\t67
3．4．2 Beautiful Soup对象实例化\t67
3．4．3 Beautiful Soup的四大对象\t68
3．4．4 Beautiful Soup的各种节点\t69
3．4．5 Beautiful Soup文档树搜索\t69
3．4．6 Beautiful Soup 使用CSS选择器\t70
3．5 实战：爬取壁纸站点的壁纸\t70
3．6 正则表达式\t74
3．6．1 re模块\t74
3．6．2 正则规则详解\t75
3．6．3 正则练习\t77
3．7 实战：爬取市级编码列表\t79
3．7．1 获取所有市级的跳转链接列表\t80
3．7．2 解析表格获得所有市级天气链接\t81
3．7．3 提取市级编码\t82
3．7．4 整合调整代码\t83
第4章 用CSV和Excel存储数据\t85
4．1 用CSV文件存储数据\t85
4．1．1 CSV写入\t86
4．1．2 CSV读取\t87
4．2 实战：爬取星座运势\t88
4．3 用Excel文件存储数据\t89
4．3．1 Excel写入\t89
4．3．2 Excel读取\t90
4．4 实战：爬取某音乐平台排行榜\t91
第5章 用数据库存储数据\t99
5．1 MySQL数据库\t99
5．1．1 安装MySQL\t100
5．1．2 在Windows环境下安装MySQL\t100
5．1．3 在Windows环境下配置MYSQL_HOME环境变量\t101
5．1．4 在Windows环境下设置MySQL登录密码\t101
5．1．5 在Windows环境下启动或关闭MySQL服务\t102
5．1．6 Mac环境\t103
5．1．7 Ubuntu环境\t103
5．1．8 MySQL的基本操作\t104
5．1．9 MySQL数据库语法速成\t106
5．1．10 Python连接MySQL数据库\t110
5．1．11 MySQL特殊符号和表情问题\t114
5．1．12 实战：抓取某技术网站数据\t115
5．2 数据库可视化工具DataGrip\t122
5．2．1 建立数据库关联\t122
5．2．2 编写SQL语句\t123
5．2．3 常见问题：连接远程主机\t124
5．3 Redis数据库\t125
5．3．1 安装Redis\t126
5．3．2 redis-py库的安装\t130
5．3．3 redis-py基本操作示例\t130
5．3．4 实战：爬取视频弹幕并保存到Redis\t134
5．4 MongoDB数据库\t137
5．4．1 安装MongoDB\t137
5．4．2 安装PyMongo库\t140
5．4．3 PyMongo基本操作示例\t140
5．4．4 实战：爬取某电商网站关键字搜索结果并保存到MongoDB\t144
第6章 Python应对反爬虫策略\t148
6．1 反爬虫概述\t148
6．1．1 为什么会出现反爬虫\t149
6．1．2 常见的爬虫与反爬虫大战\t149
6．2 反爬虫策略\t150
6．2．1 User-Agent限制\t150
6．2．2 302重定向\t151
6．2．3 IP限制\t151
6．2．4 什么是网络代理\t151
6．2．5 如何获取代理IP\t151
6．2．6 ADSL拨号代理\t152
6．2．7 Squid 配置代理缓存服务器\t156
6．2．8 TinyProxy配置代理缓存服务器\t158
6．2．9 Cookie限制\t159
6．3 JavaScript反爬虫策略\t159
6．3．1 Ajax动态加载数据\t159
6．3．2 实战：爬取某素材网内容分析\t159
6．3．3 数据请求分析\t160
6．3．4 编写代码\t163
6．4 Selenium模拟浏览器操作\t166
6．4．1 Selenium简介\t166
6．4．2 安装Selenium\t167
6．4．3 Selenium常用函数\t168
6．5 实战：爬取某网站的特定图\t172
6．6 PhantomJS\t175
6．6．1 在Windows上安装PhantomJS\t175
6．6．2 在Mac上安装PhantomJS\t175
6．6．3 在Ubuntu上安装PhantomJS\t176
6．6．4 关于PhantomJS的重要说明\t176
6．7 常见验证码策略\t176
6．7．1 图片验证码\t177
6．7．2 实战：实现图片验证码自动登录\t178
6．7．3 实战：实现滑动验证码自动登录\t185
第7章 Python爬虫框架Scrapy（上）\t196
7．1 Scrapy框架简介与安装\t197
7．1．1 Scrapy相关信息\t197
7．1．2 Scrapy的安装\t197
7．2 实战：爬取某网站每日壁纸\t199
7．2．1 抓取目标分析\t199
7．2．2 创建爬虫脚本\t201
7．2．3 编写爬虫脚本\t202
7．2．4 运行爬虫脚本\t203
7．2．5 解析数据\t203
7．3 Scrapy架构简介\t204
7．3．1 Scrapy架构图\t204
7．3．2 各个模块间的协作流程\t205
7．3．3 协作流程拟人化对话版\t206
7．4 Spider详解\t207
7．4．1 Spider的主要属性和函数\t207
7．4．2 Spider运行流程\t207
7．5 Request类和Response类\t209
7．5．1 Request详解\t209
7．5．2 Response类常用参数、方法与子类\t210
7．5．3 选择器\t211
7．5．4 Scrapy Shell\t212
7．6 Item详解\t213
7．7 Item Pipeline详解\t213
7．7．1 自定义Item Pipeline类\t213
7．7．2 启用Item Pipeline\t214
7．8 实战：完善爬取每日壁纸的脚本\t214
7．8．1 定义BingItem\t215
7．8．2 使用ImagesPipeline\t215
7．8．3 修改Spider代码\t216
7．8．4 运行爬虫脚本\t216
7．9 设置请求头\t217
7．9．1 构造Request时传入\t217
7．9．2 修改settings．py文件\t217
7．9．3 为爬虫添加custom_settings字段\t218
7．10 下载中间件详解\t218
7．10．1 自定义Downloader Middleware类\t218
7．10．2 启用自定义的代理下载中间件\t219
7．11 实战：爬取某站点绘画频道的图片\t219
7．11．1 分析爬取的站点\t219
7．11．2 新建项目与明确爬取目标\t221
7．11．3 创建爬虫爬取网页\t221
7．11．4 设置代理\t223
7．11．5 解析数据\t223
7．11．6 存储数据\t224
7．11．7 完善代码\t226
第8章 Python爬虫框架Scrapy（下）\t228
8．1 Scrapy对接Selenium\t228
8．1．1 如何对接\t228
8．1．2 对接示例：爬取某网站首页文章\t229
8．2 实战：用Scrapy实现一个简单的代理池\t232
8．2．1 代理池的设计\t232
8．2．2 创建项目\t232
8．2．3 编写获取IP的爬虫\t233
8．2．4 编写检测IP的爬虫\t238
8．2．5 编写调度程序\t240
8．2．6 编写获取代理IP的接口\t241
8．2．7 使用代理\t243
8．3 用Scrapyrt调度Scrapy\t243
8．3．1 相关文档与安装Scrapyrt\t243
8．3．2 Scrapyrt GET请求相关参数\t244
8．3．3 Scrapyrt POST请求相关参数\t246
8．4 用Docker部署Scrapy\t246
8．4．1 Docker简介\t246
8．4．2 下载并安装Docker\t247
8．4．3 创建Dockerfile\t249
8．4．4 构建Docker镜像\t250
8．4．5 把生成的Docker镜像推送到Docker Hub\t251
8．4．6 在云服务器上运行Docker镜像\t253
第9章 数据分析案例：Python岗位行情\t254
9．1 数据爬取\t254
9．2 NumPy库和pandas库\t258
9．2．1 ndarray数组\t259
9．2．2 ndarray数组的常用操作\t260
9．2．3 pandas库\t263
9．3 用Matplotlib实现数据可视化\t268
9．3．1 Matplotlib中文乱码问题\t269
9．3．2 Matplotlib绘制显示不全\t270
9．3．3 用Matplotlib生成图表并进行分析\t271
9．4 用Wordcloud库进行词云绘制\t275
9．4．1 Wordcloud简介\t275
9．4．2 Wordcloud构造函数与常用方法\t276
9．4．3 词云绘制\t277
9．5 小结\t280
第10章 数据分析案例：某婚恋网站交友情况分析\t281
10．1 数据爬取\t281
10．2 安装Jupyter Notebook\t287
10．3 安装pyecharts\t288
10．4 数据分析\t289
10．4．1 读取CSV文件里的数据\t289
10．4．2 分析身高\t290
10．4．3 分析学历\t292
10．4．4 分析年龄\t292
10．4．5 分析城市\t294
10．4．6 分析交友宣言\t294
10．5 小结\t296