python爬蟲(chóng)開(kāi)發(fā)與項(xiàng)目實(shí)戰(zhàn) 范傳輝pdf掃描版

python爬蟲(chóng)開(kāi)發(fā)與項(xiàng)目實(shí)戰(zhàn)是一本Python爬蟲(chóng)開(kāi)發(fā)實(shí)戰(zhàn)手冊(cè)，由范傳輝編著。本書(shū)從Python和Web前端基礎(chǔ)開(kāi)始講起，由淺入深，包含大量案例，實(shí)用性極強(qiáng)。全書(shū)共有9個(gè)爬蟲(chóng)項(xiàng)目，以系統(tǒng)的實(shí)戰(zhàn)項(xiàng)目為驅(qū)動(dòng)，由淺及深地講解爬蟲(chóng)開(kāi)發(fā)中所需的知識(shí)和技能。從靜態(tài)網(wǎng)站到動(dòng)態(tài)網(wǎng)站，從單機(jī)爬蟲(chóng)到分布式爬蟲(chóng)，既包含基礎(chǔ)知識(shí)點(diǎn)，又講解了關(guān)鍵問(wèn)題和難點(diǎn)分析，包含從入門到進(jìn)階的所有知識(shí)。讀者認(rèn)真學(xué)習(xí)完本書(shū)之后不再是個(gè)菜鳥(niǎo)，可以自主地開(kāi)發(fā)Python爬蟲(chóng)項(xiàng)目。

內(nèi)容介紹

隨著大數(shù)據(jù)時(shí)代到來(lái)，網(wǎng)絡(luò)信息量也變得更多更大，基于傳統(tǒng)搜索引擎的局限性，網(wǎng)絡(luò)爬蟲(chóng)應(yīng)運(yùn)而生，《python爬蟲(chóng)開(kāi)發(fā)與項(xiàng)目實(shí)戰(zhàn)》從基本的爬蟲(chóng)原理開(kāi)始講解，通過(guò)介紹Pthyon編程語(yǔ)言和Web前端基礎(chǔ)知識(shí)引領(lǐng)讀者入門，之后介紹動(dòng)態(tài)爬蟲(chóng)原理以及Scrapy爬蟲(chóng)框架，最后介紹大規(guī)模數(shù)據(jù)下分布式爬蟲(chóng)的設(shè)計(jì)以及PySpider爬蟲(chóng)框架等。

主要特點(diǎn)：

由淺入深，從Python和Web前端基礎(chǔ)開(kāi)始講起，逐步加深難度，層層遞進(jìn)。

內(nèi)容詳實(shí)，從靜態(tài)網(wǎng)站到動(dòng)態(tài)網(wǎng)站，從單機(jī)爬蟲(chóng)到分布式爬蟲(chóng)，既包含基礎(chǔ)知識(shí)點(diǎn)，又講解了關(guān)鍵問(wèn)題和難點(diǎn)分析，方便讀者完成進(jìn)階。

實(shí)用性強(qiáng)，本書(shū)共有9個(gè)爬蟲(chóng)項(xiàng)目，以系統(tǒng)的實(shí)戰(zhàn)項(xiàng)目為驅(qū)動(dòng)，由淺及深地講解爬蟲(chóng)開(kāi)發(fā)中所需的知識(shí)和技能。

難點(diǎn)詳析，對(duì)js加密的分析、反爬蟲(chóng)措施的突破、去重方案的設(shè)計(jì)、分布式爬蟲(chóng)的開(kāi)發(fā)進(jìn)行了細(xì)致的講解。

章節(jié)目錄

前言 
基礎(chǔ)篇
第1章 回顧Python編程	2
1.1 安裝Python	2
1.1.1 Windows上安裝Python	2
1.1.2 Ubuntu上的Python	3
1.2 搭建開(kāi)發(fā)環(huán)境	4
1.2.1 Eclipse+PyDev	4
1.2.2 PyCharm	10
1.3 IO編程	11
1.3.1 文件讀寫	11
1.3.2 操作文件和目錄	14
1.3.3 序列化操作	15
1.4 進(jìn)程和線程	16
1.4.1 多進(jìn)程	16
1.4.2 多線程	22
1.4.3 協(xié)程	25
1.4.4 分布式進(jìn)程	27
1.5 網(wǎng)絡(luò)編程	32
1.5.1 TCP編程	33
1.5.2 UDP編程	35
1.6 小結(jié)	36
第2章 Web前端基礎(chǔ)	37
2.1 W3C標(biāo)準(zhǔn)	37
2.1.1 HTML	37
2.1.2 CSS	47
2.1.3 	51
2.1.4 XPath	56
2.1.5 JSON	61
2.2 HTTP標(biāo)準(zhǔn)	61
2.2.1 HTTP請(qǐng)求過(guò)程	62
2.2.2 HTTP狀態(tài)碼含義	62
2.2.3 HTTP頭部信息	63
2.2.4 Cookie狀態(tài)管理	66
2.2.5 HTTP請(qǐng)求方式	66
2.3 小結(jié)	68
第3章 初識(shí)網(wǎng)絡(luò)爬蟲(chóng)	69
3.1 網(wǎng)絡(luò)爬蟲(chóng)概述	69
3.1.1 網(wǎng)絡(luò)爬蟲(chóng)及其應(yīng)用	69
3.1.2 網(wǎng)絡(luò)爬蟲(chóng)結(jié)構(gòu)	71
3.2 HTTP請(qǐng)求的Python實(shí)現(xiàn)	72
3.2.1 urllib2/urllib實(shí)現(xiàn)	72
3.2.2 httplib/urllib實(shí)現(xiàn)	76
3.2.3 更人性化的Requests	77
3.3 小結(jié)	82
第4章 HTML解析大法	83
4.1 初識(shí)Firebug	83
4.1.1 安裝Firebug	84
4.1.2 強(qiáng)大的功能	84
4.2 正則表達(dá)式	95
4.2.1 基本語(yǔ)法與使用	96
4.2.2 Python與正則	102
4.3 強(qiáng)大的BeautifulSoup	108
4.3.1 安裝BeautifulSoup	108
4.3.2 BeautifulSoup的使用	109
4.3.3 lxml的XPath解析	124
4.4 小結(jié)	126
第5章 數(shù)據(jù)存儲(chǔ)（無(wú)數(shù)據(jù)庫(kù)版）	127
5.1 HTML正文抽取	127
5.1.1 存儲(chǔ)為JSON	127
5.1.2 存儲(chǔ)為CSV	132
5.2 多媒體文件抽取	136
5.3 Email提醒	137
5.4 小結(jié)	138
第6章 實(shí)戰(zhàn)項(xiàng)目：基礎(chǔ)爬蟲(chóng)	139
6.1 基礎(chǔ)爬蟲(chóng)架構(gòu)及運(yùn)行流程	140
6.2 URL管理器	141
6.3 HTML下載器	142
6.4 HTML解析器	143
6.5 數(shù)據(jù)存儲(chǔ)器	145
6.6 爬蟲(chóng)調(diào)度器	146
6.7 小結(jié)	147
第7章 實(shí)戰(zhàn)項(xiàng)目：簡(jiǎn)單分布式爬蟲(chóng)	148
7.1 簡(jiǎn)單分布式爬蟲(chóng)結(jié)構(gòu)	148
7.2 控制節(jié)點(diǎn)	149
7.2.1 URL管理器	149
7.2.2 數(shù)據(jù)存儲(chǔ)器	151
7.2.3 控制調(diào)度器	153
7.3 爬蟲(chóng)節(jié)點(diǎn)	155
7.3.1 HTML下載器	155
7.3.2 HTML解析器	156
7.3.3 爬蟲(chóng)調(diào)度器	157
7.4 小結(jié)	159
中級(jí)篇
第8章 數(shù)據(jù)存儲(chǔ)（數(shù)據(jù)庫(kù)版）	162
8.1 SQLite	162
8.1.1 安裝SQLite	162
8.1.2 SQL語(yǔ)法	163
8.1.3 SQLite增刪改查	168
8.1.4 SQLite事務(wù)	170
8.1.5 Python操作SQLite	171
8.2 MySQL	174
8.2.1 安裝MySQL	174
8.2.2 MySQL基礎(chǔ)	177
8.2.3 Python操作MySQL	181
8.3 更適合爬蟲(chóng)的MongoDB	183
8.3.1 安裝MongoDB	184
8.3.2 MongoDB基礎(chǔ)	187
8.3.3 Python操作MongoDB	194
8.4 小結(jié)	196
第9章 動(dòng)態(tài)網(wǎng)站抓取	197
9.1 Ajax和動(dòng)態(tài)HTML	197
9.2 動(dòng)態(tài)爬蟲(chóng)1：爬取影評(píng)信息	198
9.3 PhantomJS	207
9.3.1 安裝PhantomJS	207
9.3.2 快速入門	208
9.3.3 屏幕捕獲	211
9.3.4 網(wǎng)絡(luò)監(jiān)控	213
9.3.5 頁(yè)面自動(dòng)化	214
9.3.6 常用模塊和方法	215
9.4 Selenium	218
9.4.1 安裝Selenium	219
9.4.2 快速入門	220
9.4.3 元素選取	221
9.4.4 頁(yè)面操作	222
9.4.5 等待	225
9.5 動(dòng)態(tài)爬蟲(chóng)2：爬取去哪網(wǎng)	227
9.6 小結(jié)	230
第10章 Web端協(xié)議分析	231
10.1 網(wǎng)頁(yè)登錄POST分析	231
10.1.1 隱藏表單分析	231
10.1.2 加密數(shù)據(jù)分析	234
10.2 驗(yàn)證碼問(wèn)題	246
10.2.1 IP代理	246
10.2.2 Cookie登錄	249
10.2.3 傳統(tǒng)驗(yàn)證碼識(shí)別	250
10.2.4 人工打碼	251
10.2.5 滑動(dòng)驗(yàn)證碼	252
10.3 www>m>wap	252
10.4 小結(jié)	254
第11章 終端協(xié)議分析	255
11.1 PC客戶端抓包分析	255
11.1.1 HTTP Analyzer簡(jiǎn)介	255
11.1.2 蝦米音樂(lè)PC端API實(shí)戰(zhàn)分析	257
11.2 App抓包分析	259
11.2.1 Wireshark簡(jiǎn)介	259
11.2.2 酷我聽(tīng)書(shū)App端API實(shí)戰(zhàn)分析	266
11.3 API爬蟲(chóng)：爬取mp3資源信息	268
11.4 小結(jié)	272
第12章 初窺Scrapy爬蟲(chóng)框架	273
12.1 Scrapy爬蟲(chóng)架構(gòu)	273
12.2 安裝Scrapy	275
12.3 創(chuàng)建cnblogs項(xiàng)目	276
12.4 創(chuàng)建爬蟲(chóng)模塊	277
12.5 選擇器	278
12.5.1 Selector的用法	278
12.5.2 HTML解析實(shí)現(xiàn)	280
12.6 命令行工具	282
12.7 定義Item	284
12.8 翻頁(yè)功能	286
12.9 構(gòu)建Item Pipeline	287
12.9.1 定制Item Pipeline	287
12.9.2 激活I(lǐng)tem Pipeline	288
12.10 內(nèi)置數(shù)據(jù)存儲(chǔ)	288
12.11 內(nèi)置圖片和文件下載方式	289
12.12 啟動(dòng)爬蟲(chóng)	294
12.13 強(qiáng)化爬蟲(chóng)	297
12.13.1 調(diào)試方法	297
12.13.2 異常	299
12.13.3 控制運(yùn)行狀態(tài)	300
12.14 小結(jié)	301
第13章 深入Scrapy爬蟲(chóng)框架	302
13.1 再看Spider	302
13.2 Item Loader	308
13.2.1 Item與Item Loader	308
13.2.2 輸入與輸出處理器	309
13.2.3 Item Loader Context	310
13.2.4 重用和擴(kuò)展Item Loader	311
13.2.5 內(nèi)置的處理器	312
13.3 再看Item Pipeline	314
13.4 請(qǐng)求與響應(yīng)	315
13.4.1 Request對(duì)象	315
13.4.2 Response對(duì)象	318
13.5 下載器中間件	320
13.5.1 激活下載器中間件	320
13.5.2 編寫下載器中間件	321
13.6 Spider中間件	324
13.6.1 激活Spider中間件	324
13.6.2 編寫Spider中間件	325
13.7 擴(kuò)展	327
13.7.1 配置擴(kuò)展	327
13.7.2 定制擴(kuò)展	328
13.7.3 內(nèi)置擴(kuò)展	332
13.8 突破反爬蟲(chóng)	332
13.8.1 UserAgent池	333
13.8.2 禁用Cookies	333
13.8.3 設(shè)置下載延時(shí)與自動(dòng)限速	333
13.8.4 代理IP池	334
13.8.5 Tor代理	334
13.8.6 分布式下載器:Crawlera	337
13.8.7 Google cache	338
13.9 小結(jié)	339
第14章 實(shí)戰(zhàn)項(xiàng)目：Scrapy爬蟲(chóng)	340
14.1 創(chuàng)建知乎爬蟲(chóng)	340
14.2 定義Item	342
14.3 創(chuàng)建爬蟲(chóng)模塊	343
14.3.1 登錄知乎	343
14.3.2 解析功能	345
14.4 Pipeline	351
14.5 優(yōu)化措施	352
14.6 部署爬蟲(chóng)	353
14.6.1 Scrapyd	354
14.6.2 Scrapyd-client	356
14.7 小結(jié)	357
深入篇
第15章 增量式爬蟲(chóng)	360
15.1 去重方案	360
15.2 BloomFilter算法	361
15.2.1 BloomFilter原理	361
15.2.2 Python實(shí)現(xiàn)BloomFilter	363
15.3 Scrapy和BloomFilter	364
15.4 小結(jié)	366
第16章 分布式爬蟲(chóng)與Scrapy	367
16.1 Redis基礎(chǔ)	367
16.1.1 Redis簡(jiǎn)介	367
16.1.2 Redis的安裝和配置	368
16.1.3 Redis數(shù)據(jù)類型與操作	372
16.2 Python和Redis	375
16.2.1 Python操作Redis	375
16.2.2 Scrapy集成Redis	384
16.3 MongoDB集群	385
16.4 小結(jié)	390
第17章 實(shí)戰(zhàn)項(xiàng)目：Scrapy分布式爬蟲(chóng)	391
17.1 創(chuàng)建云起書(shū)院爬蟲(chóng)	391
17.2 定義Item	393
17.3 編寫爬蟲(chóng)模塊	394
17.4 Pipeline	395
17.5 應(yīng)對(duì)反爬蟲(chóng)機(jī)制	397
17.6 去重優(yōu)化	400
17.7 小結(jié)	401
第18章 人性化PySpider爬蟲(chóng)框架	403
18.1 PySpider與Scrapy	403
18.2 安裝PySpider	404
18.3 創(chuàng)建豆瓣爬蟲(chóng)	405
18.4 選擇器	409
18.4.1 PyQuery的用法	409
18.4.2 解析數(shù)據(jù)	411
18.5 Ajax和HTTP請(qǐng)求	415
18.5.1 Ajax爬取	415
18.5.2 HTTP請(qǐng)求實(shí)現(xiàn)	417
18.6 PySpider和PhantomJS	417
18.6.1 使用PhantomJS	418
18.6.2 運(yùn)行	420
18.7 數(shù)據(jù)存儲(chǔ)	420
18.8 PySpider爬蟲(chóng)架構(gòu)	422
18.9 小結(jié)	423

使用說(shuō)明

1、下載并解壓，得出pdf文件

2、如果打不開(kāi)本文件，請(qǐng)務(wù)必下載pdf閱讀器

3、安裝后，在打開(kāi)解壓得出的pdf文件

4、雙擊進(jìn)行閱讀