书籍详情
Python 3.x网络爬虫从零基础到项目实战
作者：史卫亚 著
出版社：北京大学出版社
出版时间：2020-05-01
ISBN：9787301312827
定价：¥108.00
购买这本书可以去
内容简介
《Python 3.x网络爬虫从零基础到项目实战》介绍了如何使用Python来编写网络爬虫程序，内容包括网络爬虫简介、发送请求、提取数据、使用多个线程和进程进行并发抓取、抓取动态页面中的内容、与表单进行交互、处理页面中的验证码问题及使用Scrapy和分布式进行数据抓取，并在最后介绍了使用本书讲解的数据抓取技术对几个真实的网站进行抓取的实例，旨在帮助读者活学活用书中介绍的技术。本书提供了与图书内容全程同步的教学录像。此外，还赠送了大量相关学习资料，以便读者扩展学习。本书适合任何想学习Python爬虫的读者，无论您是否从事计算机相关专业，是否接触过Python，均可以通过学习本书快速掌握Python爬虫的开发方法和技巧。
作者简介
史卫亚，博士，副教授，IEEE会员，CCF会员，INNS会员。2009年获得复旦大学计算机应用专业博士学位。2015—2016年在美国北卡罗来纳大学做访问学者，对机器学习、大数据检索、数据库、图像和视频处理、人工智能和模式识别等有深入研究。
目录
目录
第1章 爬虫基础 1
1.1 认识爬虫 2
1.2 Python环境 4
1.3 Python语法 11
1.4 网页结构 62
1.5 HTTP协议 68
1.6 本章小结 84
1.7 实战练习 84
第2章 开始爬虫 85
2.1 urllib模块 86
2.2 requests模块 88
2.3 re模块 110
2.4 项目案例：爬百度贴吧 122
2.5 本章小结 128
2.6 实战练习 128
第3章 更多数据提取的方式 129
3.1 XPath和LXml 130
3.2 BeautifulSoup4 137
3.3 JsonPath 143
3.4 性能和选择 148
3.5 项目案例：爬腾讯招聘网 148
3.6 本章小结 154
3.7 实战练习 154
第4章 并发 155
4.1 100万个网页 156
4.2 进程 161
4.3 线程 181
4.4 锁 191
4.5 协程 202
4.6 线程、进程、协程对比 206
4.7 并发爬虫 207
4.8 本章小结 216
4.9 实战练习 216
第5章 数据存储 217
5.1 文件存储 218
5.2 关系型数据库存储 221
5.3 非关系型数据库存储 231
5.4 项目案例：爬豆瓣电影 266
5.5 本章小结 270
5.6 实战练习 270
第6章 Ajax数据爬取 271
6.1 Ajax的概念 272
6.2 实现Ajax 272
6.3 项目案例：爬斗鱼直播 282
6.4 本章小结 286
6.5 实战练习 286
第7章 动态渲染页面爬取 287
7.1 Selenium 288
7.2 项目案例：爬京东商品 306
7.3 本章小结 311
7.4 实战练习 312
第8章 图形验证码识别 313
8.1 使用pytesseract 314
8.2 使用打码平台 317
8.3 项目案例：识别验证码完成登录 323
8.4 本章小结 326
8.5 实战练习 326
第9章 模拟登录 327
9.1 Cookie 328
9.2 Session 330
9.3 Cookie池的搭建 332
9.4 项目案例：登录GitHub 335
9.5 本章小结 340
9.6 实战练习 340
第10章 代理IP的使用 341
10.1 代理IP 342
10.2 代理IP池 348
10.3 付费代理的使用 351
10.4 项目案例：使用代理IP爬微信公众号 358
10.5 本章小结 368
10.6 实战练习 368
第11章 Scrapy框架 369
11.1 认识Scrapy 370
11.2 编写Scrapy的第一个案例 373
11.3 Spider详情 384
11.4 操作数据 403
11.5 模拟登录 432
11.6 中间件 446
11.7 分布式 458
11.8 项目案例：爬新浪新闻 500
11.9 本章小结 510
11.10 实战练习 510
第12章 项目案例：爬校花网信息 511
12.1 分析网站 512
12.2 开始爬取 515
第13章 项目案例：爬北京地区短租房信息 523
13.1 分析网站 524
13.2 开始爬取 525
第14章 项目案例：爬简书专题信息 531
14.1 分析网站 532
14.2 开始爬取 535
第15章 项目案例：爬QQ音乐歌曲 539
15.1 分析网站 540
15.2 开始爬取 542
第16章 项目案例：爬百度翻译 545
16.1 分析网站 546
16.2 开始爬取 550
第17章 项目案例：爬百度地图API 555
17.1 分析网站 556
17.2 开始爬取 560
第18章 项目案例：爬360图片 571
18.1 分析网站 572
18.2 开始爬取 573
第19章 项目案例：爬当当网 577
19.1 分析网站 578
19.2 开始爬取 580
第20章 项目案例：爬唯品会 585
20.1 分析网站 586
20.2 开始爬取 589
第21章 项目案例：爬智联招聘 593
21.1 分析网站 594
21.2 开始爬取 597
第1章 爬虫基础 1
1.1 认识爬虫 2
1.2 Python环境 4
1.3 Python语法 11
1.4 网页结构 62
1.5 HTTP协议 68
1.6 本章小结 84
1.7 实战练习 84
第2章 开始爬虫 85
2.1 urllib模块 86
2.2 requests模块 88
2.3 re模块 110
2.4 项目案例：爬百度贴吧 122
2.5 本章小结 128
2.6 实战练习 128
第3章 更多数据提取的方式 129
3.1 XPath和LXml 130
3.2 BeautifulSoup4 137
3.3 JsonPath 143
3.4 性能和选择 148
3.5 项目案例：爬腾讯招聘网 148
3.6 本章小结 154
3.7 实战练习 154
第4章 并发 155
4.1 100万个网页 156
4.2 进程 161
4.3 线程 181
4.4 锁 191
4.5 协程 202
4.6 线程、进程、协程对比 206
4.7 并发爬虫 207
4.8 本章小结 216
4.9 实战练习 216
第5章 数据存储 217
5.1 文件存储 218
5.2 关系型数据库存储 221
5.3 非关系型数据库存储 231
5.4 项目案例：爬豆瓣电影 266
5.5 本章小结 270
5.6 实战练习 270
第6章 Ajax数据爬取 271
6.1 Ajax的概念 272
6.2 实现Ajax 272
6.3 项目案例：爬斗鱼直播 282
6.4 本章小结 286
6.5 实战练习 286
第7章 动态渲染页面爬取 287
7.1 Selenium 288
7.2 项目案例：爬京东商品 306
7.3 本章小结 311
7.4 实战练习 312
第8章 图形验证码识别 313
8.1 使用pytesseract 314
8.2 使用打码平台 317
8.3 项目案例：识别验证码完成登录 323
8.4 本章小结 326
8.5 实战练习 326
第9章 模拟登录 327
9.1 Cookie 328
9.2 Session 330
9.3 Cookie池的搭建 332
9.4 项目案例：登录GitHub 335
9.5 本章小结 340
9.6 实战练习 340
第10章 代理IP的使用 341
10.1 代理IP 342
10.2 代理IP池 348
10.3 付费代理的使用 351
10.4 项目案例：使用代理IP爬微信公众号 358
10.5 本章小结 368
10.6 实战练习 368
第11章 Scrapy框架 369
11.1 认识Scrapy 370
11.2 编写Scrapy的第一个案例 373
11.3 Spider详情 384
11.4 操作数据 403
11.5 模拟登录 432
11.6 中间件 446
11.7 分布式 458
11.8 项目案例：爬新浪新闻 500
11.9 本章小结 510
11.10 实战练习 510
第12章 项目案例：爬校花网信息 511
12.1 分析网站 512
12.2 开始爬取 515
第13章 项目案例：爬北京地区短租房信息 523
13.1 分析网站 524
13.2 开始爬取 525
第14章 项目案例：爬简书专题信息 531
14.1 分析网站 532
14.2 开始爬取 535
第15章 项目案例：爬QQ音乐歌曲 539
15.1 分析网站 540
15.2 开始爬取 542
第16章 项目案例：爬百度翻译 545
16.1 分析网站 546
16.2 开始爬取 550
第17章 项目案例：爬百度地图API 555
17.1 分析网站 556
17.2 开始爬取 560
第18章 项目案例：爬360图片 571
18.1 分析网站 572
18.2 开始爬取 573
第19章 项目案例：爬当当网 577
19.1 分析网站 578
19.2 开始爬取 580
第20章 项目案例：爬唯品会 585
20.1 分析网站 586
20.2 开始爬取 589
第21章 项目案例：爬智联招聘 593
21.1 分析网站 594
21.2 开始爬取 597
猜您喜欢
