Python網(wǎng)絡(luò)爬蟲技術(shù)

定　價：￥39.80

作　者：	江吉彬，張良均著
出版社：	人民郵電出版社
叢編項：	大數(shù)據(jù)人才培養(yǎng)規(guī)劃教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115505064	出版時間：	2019-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	165	字數(shù)：

內(nèi)容簡介

　　本書以任務(wù)為導向，較為全面地介紹了不同場景下Python爬取網(wǎng)絡(luò)數(shù)據(jù)的方法，包括靜態(tài)網(wǎng)頁、動態(tài)網(wǎng)頁、登錄后才能訪問的網(wǎng)頁、PC客戶端、App等場景。全書共7章，第1章介紹了爬蟲與反爬蟲的基本概念，以及Python爬蟲環(huán)境的配置，第2章介紹了爬取過程中涉及的網(wǎng)頁前端基礎(chǔ)，第3章介紹了在靜態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程，第4章介紹了在動態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程，第5章介紹了對登錄后才能訪問的網(wǎng)頁進行模擬登錄的方法，第6章介紹了爬取PC客戶端、App的數(shù)據(jù)的方法，第7章介紹了使用Scrapy爬蟲框架爬取數(shù)據(jù)的過程。本書所有章節(jié)都包含了實訓與課后習題，通過練習和操作實戰(zhàn)，可幫助讀者鞏固所學的內(nèi)容。

作者簡介

　　張良均，信息系統(tǒng)項目管理師，泰迪杯全國大學生數(shù)據(jù)挖掘競賽（www.tipdm.org）發(fā)起人。華南師范大學、廣東工業(yè)大學兼職教授，廣東省工業(yè)與應(yīng)用數(shù)學學會理事。兼有大型高科技企業(yè)和高校的工作經(jīng)歷，主要從事大數(shù)據(jù)挖掘及其應(yīng)用的策劃、研發(fā)及咨詢培訓。全國計算機技術(shù)與軟件專業(yè)技術(shù)資格（水平）考試繼續(xù)教育和CDA數(shù)據(jù)分析師培訓講師。發(fā)表數(shù)據(jù)挖掘相關(guān)論文數(shù)20余篇，已取得國家發(fā)明專利12項，主編《Hadoop大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》《R語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》等多本暢銷圖書，主持并完成科技項目9項。獲得SAS、SPSS數(shù)據(jù)挖掘認證及Hadoop開發(fā)工程師證書，具有電力、電信、銀行、制造企業(yè)、電子商務(wù)和電子政務(wù)的項目經(jīng)驗和行業(yè)背景。

圖書目錄

第 1章　Python爬蟲環(huán)境與爬蟲簡介　1
任務(wù)1．1　認識爬蟲　1
1．1．1　爬蟲的概念　1
1．1．2　爬蟲的原理　2
1．1．3　爬蟲的合法性與robot．txt協(xié)議　4
任務(wù)1．2　認識反爬蟲　4
1．2．1　網(wǎng)站反爬蟲的目的與手段　4
1．2．2　爬取策略制定　5
任務(wù)1．3　配置Python爬蟲環(huán)境　6
1．3．1　Python爬蟲相關(guān)庫介紹與配置　7
1．3．2　配置MySQL數(shù)據(jù)庫　7
1．3．3　配置MongoDB數(shù)據(jù)庫　16
小結(jié)　20
實訓　Python爬蟲環(huán)境配置　21
課后習題　21
第 2章　網(wǎng)頁前端基礎(chǔ)　23
任務(wù)2．1　認識Python網(wǎng)絡(luò)編程　23
2．1．1　了解Python網(wǎng)絡(luò)編程Socket庫　24
2．1．2　使用Socket庫進行TCP編程　26
2．1．3　使用Socket庫進行UDP編程　28
任務(wù)2．2　認識HTTP　29
2．2．1　熟悉HTTP請求方法與過程　30
2．2．2　熟悉常見HTTP狀態(tài)碼　32
2．2．3　熟悉HTTP頭部信息　33
2．2．4　熟悉Cookie　39
小結(jié)　41
實訓　使用Socket庫連接百度首頁　41
課后習題　42
第3章　簡單靜態(tài)網(wǎng)頁爬取　43
任務(wù)3．1　實現(xiàn)HTTP請求　43
3．1．1　使用urllib 3庫實現(xiàn)　44
3．1．2　使用Requests庫實現(xiàn)　47
任務(wù)3．2　解析網(wǎng)頁　52
3．2．1　使用Chrome開發(fā)者工具查看網(wǎng)頁　52
3．2．2　使用正則表達式解析網(wǎng)頁　58
3．2．3　使用Xpath解析網(wǎng)頁　61
3．2．4　使用Beautiful Soup庫解析網(wǎng)頁　66
任務(wù)3．3　數(shù)據(jù)存儲　74
3．3．1　將數(shù)據(jù)存儲為JSON文件　74
3．3．2　將數(shù)據(jù)存儲到MySQL數(shù)據(jù)庫　75
小結(jié)　78
實訓　79
實訓1　生成GET請求并獲取指定網(wǎng)頁內(nèi)容　79
實訓2　搜索目標節(jié)點并提取文本內(nèi)容　79
實訓3　在數(shù)據(jù)庫中建立新表并導入數(shù)據(jù)　80
課后習題　80
第4章　常規(guī)動態(tài)網(wǎng)頁爬取　82
任務(wù)4．1　逆向分析爬取動態(tài)網(wǎng)頁　82
4．1．1　了解靜態(tài)網(wǎng)頁和動態(tài)網(wǎng)頁的區(qū)別　82
4．1．2　逆向分析爬取動態(tài)網(wǎng)頁　85
任務(wù)4．2　使用Selenium庫爬取動態(tài)網(wǎng)頁　88
4．2．1　安裝Selenium庫及下載瀏覽器補丁　88
4．2．2　打開瀏覽對象并訪問頁面　89
4．2．3　頁面等待　90
4．2．4　頁面操作　91
4．2．5　元素選取　93
4．2．6　預期條件　96
任務(wù)4．3　存儲數(shù)據(jù)至MongoDB數(shù)據(jù)庫　98
4．3．1　了解MongoDB數(shù)據(jù)庫和MySQL數(shù)據(jù)庫的區(qū)別　99
4．3．2　將數(shù)據(jù)存儲到MongoDB數(shù)據(jù)庫　100
小結(jié)　103
實訓　103
實訓1　爬取網(wǎng)頁“http：//www．ptpress． com．cn”的推薦圖書信息　103
實訓2　爬取某網(wǎng)頁的Java圖書信息　104
實訓3　將數(shù)據(jù)存儲到MongoDB數(shù)據(jù)庫中　104
課后習題　104
第5章　模擬登錄　106
任務(wù)5．1　使用表單登錄方法實現(xiàn)模擬登錄　106
5．1．1　查找提交入口　106
5．1．2　查找并獲取需要提交的表單數(shù)據(jù)　108
5．1．3　使用POST請求方法登錄　112
任務(wù)5．2　使用Cookie登錄方法實現(xiàn)模擬登錄　114
5．2．1　使用瀏覽器Cookie登錄　115
5．2．2　基于表單登錄的Cookie登錄　117
小結(jié)　119
實訓　119
實訓1　使用表單登錄方法模擬登錄數(shù)睿思論壇　119
實訓2　使用瀏覽器Cookie模擬登錄數(shù)睿思論壇　120
實訓3　基于表單登錄后的Cookie模擬登錄數(shù)睿思論壇　120
課后習題　120
第6章　終端協(xié)議分析　122
任務(wù)6．1　分析PC客戶端抓包　122
6．1．1　了解HTTP Analyzer工具　122
6．1．2　爬取千千音樂PC客戶端數(shù)據(jù)　125
任務(wù)6．2　分析App抓包　126
6．2．1　了解Fiddler工具　127
6．2．2　分析人民日報App　130
小結(jié)　132
實訓　133
實訓1　抓取千千音樂PC客戶端的推薦歌曲信息　133
實訓2　爬取人民日報App的旅游模塊信息　134
課后習題　134
第7章　Scrapy爬蟲　135
任務(wù)7．1　認識Scarpy　135
7．1．1　了解Scrapy爬蟲的框架　135
7．1．2　熟悉Scrapy的常用命令　137
任務(wù)7．2　通過Scrapy爬取文本信息　138
7．2．1　創(chuàng)建Scrapy爬蟲項目　138
7．2．2　修改items/pipelines腳本　140
7．2．3　編寫spider腳本　143
7．2．4　修改settings腳本　148
任務(wù)7．3　定制中間件　152
7．3．1　定制下載器中間件　152
7．3．2　定制Spider中間件　156
小結(jié)　157
實訓　157
實訓1　爬取“http：//www．tipdm．org”的所有新聞動態(tài)　157
實訓2　定制BdRaceNews爬蟲項目的中間件　158
課后習題　158
附錄A　160
附錄B　163
參考文獻　166