第1篇基础知识
第1章开发环境配置 2
1.1 安装官方的 Python运行环境 2
1.2 配置 PATH环境变量 5
1.3 安装 Anaconda Python开发环境 6
1.4 安装 PyCharm 7
1.5 配置 PyCharm 8
第2章爬虫基础 11
2.1 HTTP基础 11
...
2.2 网页基础 23
2.2.1 HTML 23
...
2.3 爬虫的基本原理 27
2.3.1 爬虫的分类 27
2.3.2 爬虫抓取数据的方式和手段 28
2.4 Session与 COOKIE 28
2.4.1 静态页面和动态页面 29
2.4.2 无状态 HTTP与 COOKIE 30
...
2.5 实战案例&＃xff1a;抓取所有的网络资源 33
2.6 实战案例&＃xff1a;抓取博客文章列表 37
第 2篇网络库
第 3章网络库 urllib 42
3.1 urllib简介 42
3.2 发送请求与获得响应 43
3.2.1 用 urlopen函数发送 HTTP GET请求 43
...
3.2.8 读取和设置 COOKIE 56
3.3 异常处理 60
...
3.4 解析链接 62
3.4.1 拆分与合并 URL(urlparse与 urlunparse) 62
...
3.4.6 参数转换(parse_qs与 parse_qsl) 66
3.5 Robots协议 67
3.5.1 Robots协议简介 67
3.5.2 分析 Robots协议 68
第 4章网络库 urllib3 70
4.1 urllib3简介 70
4.2 urllib3模块 70
4.3 发送 HTTP GET请求 71
4.4 发送 HTTP POST请求 72
4.5 HTTP请求头 74
4.6 HTTP响应头 76
4.7 上传文件 76
4.8 超时 78
第 5章网络库 requests 80
5.1 基本用法 80
5.1.1 requests的 HelloWorld 81
...
5.1.6 响应数据 85
5.2 高级用法 87
5.2.1 上传文件 88
...
5.2.8 将请求打包 97
第 6章 Twisted网络框架 99
6.1 异步编程模型 99
6.2 Reactor(反应堆)模式 101
...
6.5 用 Twisted实现时间戳服务端 104
第 3篇解析库
第 7章正则表达式 108
7.1 使用正则表达式 108
7.1.1 使用 match方法匹配字符串 108
7.1.2 使用 search方法在一个字符串中查找模式 109
7.1.3 匹配多个字符串 110
...
7.1.11 使用 split分隔字符串 122
7.2 一些常用的正则表达式 123
7.3 项目实战&＃xff1a;抓取小说目录和全文 124
7.4 项目实战&＃xff1a;抓取猫眼电影 Top100榜单 128
7.5 项目实战&＃xff1a;抓取糗事百科网的段子 133
第 8章 lxml与 XPath 137
8.1 lxml基础 137
8.1.1 安装 lxml 137
8.1.2 操作 XML 138
8.1.3 操作 HTML 140
8.2 XPath 141
8.2.1 XPath概述 141
...
8.2.11 使用 Chrome验证 XPath 153
8.3 项目实战&＃xff1a;抓取豆瓣 Top250图书榜单 154
8.4 项目实战&＃xff1a;抓取起点中文网的小说信息 158
第 9章 Beautiful Soup库 162
9.1 Beautiful Soup简介 162
9.2 Beautiful Soup基础 162
9.2.1 安装 Beautiful Soup 163
...
9.2.3 编写第一个 Beautiful Soup程序 164
9.3 节点选择器 165
9.3.1 选择节点 165
... ...
9.3.5 选择兄弟节点 172
9.4 方法选择器 174
...
9.5 CSS选择器 178
9.5.1 基本用法 179
...
9.5.4 通过浏览器获取 CSS选择器代码 182
9.6 实战案例&＃xff1a;抓取租房信息 184
9.7 实战案例&＃xff1a;抓取酷狗网络红歌榜 188
第 10章 pyquery库 192
10.1 pyquery简介 192
10.2 pyquery基础 192
10.2.1 安装 pyquery 193
10.2.2 pyquery的基本用法 193
10.3 CSS选择器 194
10.4 查找节点 196
...
10.4.4 获取节点信息 199
10.5 修改节点 203
...
10.5.3 删除节点 207
10.6 伪类选择器 208
10.7 项目实战&＃xff1a;抓取当当图书排行榜 210
10.8 项目实战&＃xff1a;抓取京东商城手机销售排行榜 213
第 4篇数据存储
第 11章文件存储 222
11.1 打开文件 222
11.2 操作文件的基本方法 224
...
11.2.2 读行和写行 226
11.3 使用 FileInput对象读取文件 227
11.4 处理 XML格式的数据 228
...
11.5 处理 JSON格式232
...
11.6 将 JSON字符串转换为 XML字符串 237
...
第 12章数据库存储. 242
12.1 SQLite数据库 242
12.2 MySQL数据库 247
12.3 非关系型数据库 253
...
12.4 项目实战&＃xff1a;抓取豆瓣音乐排行榜 256
12.5 项目实战&＃xff1a;抓取豆瓣电影排行榜 260
第 5篇爬虫高级应用
第 13章抓取异步数据 266
13.1 异步加载与 AJAX 266
13.2 基本原理 267
13.3 逆向工程 270
13.4 提取结果 274
13.5 项目实战&＃xff1a;支持搜索功能的图片爬虫 274
13.6 项目实战&＃xff1a;抓取京东图书评价 279
第 14章可见即可爬&＃xff1a;Selenium 285
14.1 安装 Selenium 286
14.2 安装 WebDriver 286
...
14.2.3 安装其他浏览器的 WebDriver 289
14.3 Selenium的基本使用方法 289
14.4 查找节点 293
14.4.1 查找单个节点 293
...
...
14.10 改变节点的属性值 304
14.11 项目实战&＃xff1a;抓取 QQ空间说说的内容 306
第 15章基于 Splash的爬虫 309
15.1 Splash基础 309
...
15.2 Splash Lua脚本 312
...
15.3 使用 CSS选择器 331
...
15.4 模拟鼠标和键盘的动作 333
15.5 Splash HTTP API 334
15.6 项目实战&＃xff1a;使用 Splash Lua抓取京东搜索结果 338
第 16章抓取移动 App的数据 341
16.1 使用 Charles 341
...
16.2 使用 mitmproxy 348
...
16.3 项目实战&＃xff1a;实时抓取“得到” App在线课程 363
第 17章使用 Appium在移动端抓取数据 368
17.1 安装 Appium 368
...
17.2 Appium的基本使用方法 372
...
17.3 使用 Python控制手机 App 379
17.4 AppiumPythonClient API 380
...
17.5 项目实战&＃xff1a;利用 Appium抓取微信朋友圈信息 384
第 18章多线程和多进程爬虫 389
18.1 线程与进程 389
...
18.1.2 线程 390
18.2 Python与线程 390
18.2.1 使用单线程执行程序 390
...
18.2.4 线程和锁 394
18.3 高级线程模块(threading) 395
...
18.3.3 从 Thread类继承 398
18.4 线程同步 399
...
18.4.2 信号量 402
18.5 生产者—消费者问题与 queue模块 405
18.6 多进程 407
18.7 项目实战&＃xff1a;抓取豆瓣音乐 Top250排行榜(多线程版) 408
18.8 项目实战&＃xff1a;抓取豆瓣音乐 Top250排行榜(多进程版) 411
第 19章网络爬虫框架&＃xff1a;Scrapy 413
19.1 Scrapy基础知识 413
...
19.1.3 Scrapy Shell抓取 Web资源 415
19.2 用 Scrapy编写网络爬虫 417
...
19.3 Scrapy的高级应用 431
...
19.3.8 通用爬虫 465
第 20章 综合爬虫项目&＃xff1a;可视化爬虫 475
20.1 项目简介 475
20.2 主界面设计和实现 477
...
20.6 情感分析 484
20.7 抓取和分析商品评论数据 485
20.8 可视化评论数据 486
京公网安备 11010802041100号