从零开始学Python网络爬虫

图书标准信息

• 作者 罗攀 蒋仟 著
• 出版社 机械工业出版社
• 出版时间 2017-10
• 版次 1
• ISBN 9787111579991
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 263页

【内容简介】

Python是数据分析的首*语言，而网络中的数据和信息很多，如何从中获取需要的数据和信息呢？*简单、直接的方法就是用爬虫技术来解决。

 

本书是一本教初学者学习如何爬取网络数据和信息的入门读物。书中不仅有Python的相关内容，而且还有数据处理和数据挖掘等方面的内容。本书内容非常实用，讲解时穿插了22个爬虫实战案例，可以大大提高读者的实际动手能力。

 

本书共分12章，核心主题包括Python零基础语法入门、爬虫原理和网页构造、第*个爬虫程序、正则表达式、Lxml库与Xpath语法、使用API、数据库存储、多进程爬虫、异步加载、表单交互与模拟登录、Selenium模拟浏览器、Scrapy爬虫框架。此外，书中通过一些典型爬虫案例，讲解了有经纬信息的地图图表和词云的制作方法，让读者体验数据背后的乐趣。

 

本书适合爬虫技术初学者、爱好者及高等院校的相关学生，也适合数据爬虫工程师作为参考读物，同时也适合各大Python数据分析的培训机构作为教材使用。

 

本书综合案例

 

爬取北京地区短租房信息

 

爬取酷狗TOP500的数据

 

爬取《斗破苍穹》全文小说

 

爬取糗事百科网的段子信息

 

爬取豆瓣网图书TOP250数据

 

爬取起点中文网小说信息

 

爬取PEXELS图片

 

爬取糗事百科网的用户地址信息

 

爬取豆瓣音乐TOP250的数据

 

爬取豆瓣电影TOP250的数据

 

爬取简书网热评文章

 

爬取转转网二手市场商品信息

 

爬取简书网用户动态信息

 

爬取简书网7日热门信息

 

爬取拉勾网招聘信息

 

爬取新浪微博好友圈信息

 

爬取QQ空间好友说说

 

爬取淘宝商品信息

 

爬取简书网热门专题信息

 

爬取知乎网Python精华话题

 

爬取简书网专题收录文章

 

爬取简书网推荐信息

 

【作者简介】

罗攀，知名论坛Python爬虫专题管理员。擅长Python爬虫技术，并对Python数据分析与挖掘也有研究。曾经在CSDN等多个知名博客网站发表多篇技术文章，深受读者的喜爱。目前从事线上Python网络爬虫的培训工作。

 

 

 

蒋仟，喜爱并擅长Python编程，并将Python作为学术研究手段。在数据采集、数据分析等方面均有较为深入的研究。对Python网络爬虫技术应用也颇有心得。目前从事林业遥感技术的研究，并利用业余时间兼职从事Python培训方面的工作。

 

【目录】

前言

 

第1章  Python零基础语法入门 1

 

1.1  Python与PyCharm安装 1

 

1.1.1  Python安装（Windows、Mac和Linux） 1

 

1.1.2  PyCharm安装 3

 

1.2  变量和字符串 3

 

1.2.1  变量 4

 

1.2.2  字符串的“加法”和“乘法” 4

 

1.2.3  字符串的切片和索引 5

 

1.2.4  字符串方法 5

 

1.3  函数与控制语句 7

 

1.3.1  函数 7

 

1.3.2  判断语句 8

 

1.3.3  循环语句 8

 

1.4  Python数据结构 9

 

1.4.1  列表 9

 

1.4.2  字典 11

 

1.4.3  元组和集合 11

 

1.5  Python文件操作 11

 

1.5.1  打开文件 11

 

1.5.2  读写文件 12

 

1.5.3  关闭文件 13

 

1.6  Python面向对象 13

 

1.6.1  定义类 14

 

1.6.2  实例属性 14

 

1.6.3  实例方法 15

 

1.6.4  类的继承 16

 

第2章  爬虫原理和网页构造 17

 

2.1  爬虫原理 17

 

2.1.1  网络连接 17

 

2.1.2  爬虫原理 18

 

2.2  网页构造 21

 

2.2.1  Chrome浏览器的安装 21

 

2.2.2  网页构造 22

 

2.2.3  查询网页信息 23

 

第3章  我的第一个爬虫程序 26

 

3.1  Python第三方库 26

 

3.1.1  Python第三方库的概念 26

 

3.1.2  Python第三方库的安装方法 27

 

3.1.3  Python第三方库的使用方法 29

 

3.2  爬虫三大库 30

 

3.2.1  Requests库 30

 

3.2.2  BeautifulSoup库 32

 

3.2.3  Lxml库 36

 

3.3  综合案例1——爬取北京地区短租房信息 37

 

3.3.1  爬虫思路分析 37

 

3.3.2  爬虫代码及分析 38

 

3.4  综合案例2——爬取酷狗TOP500的数据 41

 

3.4.1  爬虫思路分析 41

 

3.4.2  爬虫代码及分析 43

 

第4章  正则表达式 45

 

4.1  正则表达式常用符号 45

 

4.1.1  一般字符 45

 

4.1.2  预定义字符集 46

 

4.1.3  数量词 46

 

4.1.4  边界匹配 47

 

4.2  re模块及其方法 48

 

4.2.1  search()函数 48

 

4.2.2  sub()函数 49

 

4.2.3  findall()函数 49

 

4.2.4  re模块修饰符 51

 

4.3  综合案例1——爬取《斗破苍穹》全文小说 53

 

4.3.1  爬虫思路分析 53

 

4.3.2  爬虫代码及分析 55

 

4.4  综合案例2——爬取糗事百科网的段子信息 56

 

4.4.1  爬虫思路分析 56

 

4.4.2  爬虫代码及分析 58

 

第5章  Lxml库与Xpath语法 63

 

5.1  Lxml库的安装与使用方法 63

 

5.2  Xpath语法 68

 

5.3  综合案例1——爬取豆瓣网图书TOP250的数据 77

 

5.4  综合案例2——爬取起点中文网小说信息 83

 

第6章  使用API 88

 

6.1  API的使用 88

 

6.2  解析JSON数据 93

 

6.3  综合案例1——爬取PEXELS图片 98

 

6.4  综合案例2——爬取糗事百科网的用户地址信息 102

 

第7章  数据库存储 109

 

7.1  MongoDB数据库 109

 

7.2  MySQL数据库 117

 

7.3  综合案例1——爬取豆瓣音乐TOP250的数据 126

 

7.4  综合案例2——爬取豆瓣电影TOP250的数据 132

 

第8章  多进程爬虫 139

 

8.1  多线程与多进程 139

 

8.2  综合案例1——爬取简书网热评文章 143

 

8.3  综合案例2——爬取转转网二手市场商品信息 150

 

第9章  异步加载 159

 

9.1  异步加载技术与爬虫方法 159

 

9.2  综合案例1——爬取简书网用户动态信息 165

 

9.3  综合案例2——爬取简书网7日热门信息 173

 

第10章  表单交互与模拟登录 182

 

10.1  表单交互 182

 

10.2  模拟登录 187

 

10.3  综合案例1——爬取拉勾网招聘信息 188

 

10.4  综合案例2——爬取新浪微博好友圈信息 195

 

第11章  Selenium模拟浏览器 209

 

11.1  Selenium和PhantomJS 209

 

11.2  Selenium和PhantomJS的配合使用 213

 

11.3  综合案例1——爬取QQ空间好友说说 218

 

11.4  综合案例2——爬取淘宝商品信息 224

 

第12章  Scrapy爬虫框架 229

 

12.1  Scrapy的安装和使用 229

 

12.2  综合案例1——爬取简书网热门专题信息 240

 

12.3  综合案例2——爬取知乎网Python精华话题 246

 

12.4  综合案例3——爬取简书网专题收录文章 250

 

12.5  综合案例4——爬取简书网推荐信息 257