Python網絡爬蟲技術（第2版微課版）

定　價：￥49.80

作　者：	池瑞楠，張良均
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

ISBN：	9787115625052	出版時間：	2023-10-01	包裝：	平裝
開本：	16開	頁數：	208	字數：

內容簡介

　　本書以任務為導向，較為全面地介紹了不同場景下Python爬取網絡數據的方法。全書共分為7個項目，個項目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個項目介紹了爬取過程中涉及的網頁前端基礎知識，第3個項目介紹了在靜態(tài)網頁中爬取數據的過程，第4個項目介紹了在動態(tài)網頁中爬取數據的過程，第5個項目介紹了對登錄后才能訪問的網頁進行模擬登錄的方法，第6個項目介紹了爬取PC客戶端、App的數據的方法，第7個項目介紹了使用Scrapy爬蟲框架爬取數據的過程。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容。本書可以作為大數據技術愛好者的自學用書，也可作為高校大數據技術類專業(yè)的教材。

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據挖掘競賽（www.tipdm.org）的發(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)與應用數學學會理事。兼有大型高科技企業(yè)和高校的工作經歷，主要從事大數據挖掘及其應用的策劃、研發(fā)及咨詢培訓。全國計算機技術與軟件專業(yè)技術資格（水平）考試繼續(xù)教育和CDA數據分析師培訓講師。發(fā)表數據挖掘相關論文數二十余篇，已取得發(fā)明專利12項，主編圖書《神經網絡實用教程》、《數據挖掘：實用案例分析》、《MATLAB數據分析與挖掘實戰(zhàn)》等9本暢銷圖書，主持并完成科技項目9項。獲得SAS、SPSS數據挖掘認證及Hadoop開發(fā)工程師證書，具有電力、電信、銀行、制造企業(yè)、電子商務和電子政務的項目經驗和行業(yè)背景。

圖書目錄

目錄
項目1　了解爬蟲與Python爬蟲環(huán)境　1
【項目背景】　1
【學習目標】　1
【思維導圖】　2
任務1.1　認識爬蟲　2
1.1.1　爬蟲的概念　3
1.1.2　爬蟲的原理　3
1.1.3　爬蟲的合法性與robots協(xié)議　5
任務1.2　認識反爬蟲　7
1.2.1　網站反爬蟲的目的與手段　8
1.2.2　爬取策略制定　9
任務1.3　配置Python爬蟲環(huán)境　10
1.3.1　配置PyCharm　11
1.3.2　Python爬蟲相關庫介紹與配置　20
1.3.3　配置MySQL數據庫　21
1.3.4　配置MongoDB數據庫　34
小結　40
實訓　Python爬蟲環(huán)境配置　41
思考題　42
課后習題　42
項目2　爬蟲基礎知識準備　44
【項目背景】　44
【學習目標】　44
【思維導圖】　45
任務2.1　認識網頁基礎　46
2.1.1　了解網頁開發(fā)技術　47
2.1.2　了解網頁的結構　49
2.1.3　了解網頁的分類　56
2.1.4　了解網頁的數據結構　59
任務2.2　認識HTTP　61
2.2.1　熟悉HTTP請求方法與過程　62
2.2.2　熟悉常見HTTP狀態(tài)碼　64
2.2.3　熟悉HTTP頭部信息　65
2.2.4　熟悉Cookie　71
小結　73
實訓　74
實訓1　創(chuàng)建一個簡單的網頁文件　74
實訓2　訪問網站并查看請求和響應信息　74
思考題　75
課后習題　75
項目3　簡單靜態(tài)網頁爬取—獲取某企業(yè)官網基本信息　77
【項目背景】　77
【學習目標】　77
【思維導圖】　78
任務3.1　實現HTTP請求　79
3.1.1　使用Chrome開發(fā)者工具查看網頁　80
3.1.2　使用urllib 3庫實現　86
3.1.3　使用Requests庫實現　90
任務3.2　解析網頁　95
3.2.1　使用Xpath解析網頁　95
3.2.2　使用Beautiful Soup庫解析網頁　101
3.2.3　使用正則表達式解析網頁　109
任務3.3　數據存儲　113
3.3.1　將數據存儲為JSON文件　113
3.3.2　將數據存儲到MySQL數據庫　115
小結　117
實訓　118
實訓1　生成GET請求并獲取網頁內容　118
實訓2　搜索目標節(jié)點并提取文本內容　119
實訓3　在數據庫中建立新表并導入數據　119
思考題　120
課后習題　120
項目4　爬取動態(tài)網頁——獲取圖書基本信息　123
【項目背景】　123
【學習目標】　123
【思維導圖】　124
任務4.1　逆向分析爬取動態(tài)網頁　124
4.1.1　判別網頁類型　125
4.1.2　獲取動態(tài)網頁信息　126
任務4.2　使用Selenium庫爬取動態(tài)網頁　129
4.2.1　安裝Selenium庫及下載瀏覽器驅動　130
4.2.2　打開瀏覽對象并訪問頁面　131
4.2.3　元素選取　132
4.2.4　元素交互　136
4.2.5　頁面操作　138
4.2.6　頁面等待　140
任務4.3　存儲數據至MongoDB數據庫　143
4.3.1　MongoDB數據庫和MySQL數據庫的區(qū)別　143
4.3.2　將數據存儲到MongoDB數據庫　144
小結　148
實訓　149
實訓1　生成GET請求并獲取網頁內容　149
實訓2　搜索目標節(jié)點并提取文本內容　149
思考題　150
課后習題　150
項目5　模擬登錄—登錄某企業(yè)官網　153
【項目背景】　153
【學習目標】　153
【思維導圖】　154
任務5.1　使用表單登錄方法實現模擬登錄　155
5.1.1　查找提交入口　155
5.1.2　查找并獲取需要提交的表單數據　158
5.1.3　使用POST請求方法登錄　162
任務5.2　使用Cookie登錄方法實現模擬登錄　165
5.2.1　使用瀏覽器Cookie登錄　165
5.2.2　基于表單登錄的Cookie登錄　168
小結　170
實訓　171
實訓1　使用表單登錄方法模擬登錄古詩文網　171
實訓2　使用瀏覽器Cookie模擬登錄古詩文網　171
實訓3　基于表單登錄后的Cookie模擬登錄古詩文網　172
思考題　173
課后習題　173
項目6　終端協(xié)議分析——獲取某音樂PC客戶端和APP數據　175
【項目背景】　175
【學習目標】　176
【思維導圖】　176
任務6.1　分析PC客戶端抓包　177
6.1.1　了解HTTP Analyzer工具　177
6.1.2　爬取酷我音樂PC客戶端數據　180
任務6.2　分析App抓包　182
6.2.1　了解Fiddler工具　182
6.2.2　分析酷我音樂App　186
小結　189
實訓　189
實訓1　抓取酷我音樂PC客戶端的歌曲信息　189
實訓2　監(jiān)控樸樸超市商品實時價格　191
思考題　192
課后習題　193
項目7　使用Scrapy爬蟲——爬取某企業(yè)官網新聞動態(tài)　194
【項目背景】　194
【學習目標】　194
【思維導圖】　195
任務7.1　認識Scrapy　196
7.1.1　了解Scrapy爬蟲框架　196
7.1.2　熟悉Scrapy常用命令　198
任務7.2　通過Scrapy爬取文本信息　199
7.2.1　創(chuàng)建Scrapy爬蟲項目　200
7.2.2　修改items/pipelines腳本　201
7.2.3　編寫spider腳本　204
7.2.4　修改settings腳本　209
任務7.3　中間件　212
7.3.1　下載器中間件　212
7.3.2　 Spider中間件　216
小結　217
實訓　218
實訓1　爬取“http://www.tipdm.org”的所有新聞動態(tài)　218
實訓2　 BdRaceNews爬蟲項目的中間件　219
實訓3　爬取貓眼電影“https://maoyan.com/board/4”的影片信息　220
實訓4　配置Maoyan100爬蟲項目的設置文件　220
思考題　221
課后習題　222