用Python写网络爬虫(第2版)
全新正版 极速发货
￥ 30.53 6.2折 ￥ 49 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(德)凯瑟琳·雅姆尔//(澳)理查德·劳森|译者:李斌
出版社人民邮电
ISBN9787115479679
出版时间2018-08
装帧其他
开本其他
定价49元
货号30227189
上书时间2024-07-03
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 网络爬虫简介
1.1 网络爬虫何时有用
1.2 网络爬虫是否合法
1.3 Python3
1.4 背景调研
1.4.1 检查robots.txt
1.4.2 检查网站地图
1.4.3 估算网站大小
1.4.4 识别网站所用技术
1.4.5 寻找网站所有者
1.5 编写第一个网络爬虫
1.5.1 抓取与爬取的对比
1.5.2 下载网页
1.5.3 网站地图爬虫
1.5.4 ID遍历爬虫
1.5.5 链接爬虫
1.5.6 使用requests库
1.6 本章小结
第2章 数据抓取
2.1 分析网页
2.2 种网页抓取方法
2.2.1 正则表达式
2.2.2 Beautiful Soup
2.2.3 Lxml
2.3 CSS选择器和浏览器控制台
2.4 XPath选择器
2.5 LXML和家族树
2.6 性能对比
2.7 抓取结果
2.7.1 抓取总结
2.7.2 为链接爬虫添加抓取回调
2.8 本章小结
第3章 下载缓存
3.1 何时使用缓存
3.2 为链接爬虫添加缓存支持
3.3 磁盘缓存
3.3.1 实现磁盘缓存
3.3.2 缓存测试
3.3.3 节省磁盘空间
3.3.4 清理过期数据
3.3.5 磁盘缓存缺点
3.4 键值对存储缓存
3.4.1 键值对存储是什么
3.4.2 安装Redis
3.4.3 Redis概述
3.4.4 Redis缓存实现
3.4.5 压缩
3.4.6 测试缓存
3.4.7 探索requests-cache
3.5 本章小结
第4章 并发下载
4.1 万个网页
4.2 串行爬虫
4.3 多线程爬虫
4.4 线程和进程如何工作
4.4.1 实现多线程爬虫
4.4.2 多进程爬虫
4.5 性能
4.6 本章小结
第5章 动态内容
5.1 动态网页示例
5.2 对动态网页进行逆向工程
5.3 渲染动态网页
5.3.1 PyQt还是PySide
5.3.2 执行JavaScript
5.3.3 使用WebKit与网站交互
5.4 渲染类
5.5 本章小结
第6章 表单交互
6.1 登录表单
6.2 支持内容更新的登录脚本扩展
6.3 使用Selenium实现自动化表单处理
6.4 本章小结
第7章 验证码处理
7.1 注册账号
7.2 光学字符识别
7.3 处理复杂验证码
7.4 使用验证码处理服务
7.4.1 9kw入门
7.4.2 报告错误
7.4.3 与注册功能集成
7.5 验证码与机器学习
7.6 本章小结
第8章 Scrapy
8.1 安装Scrapy
8.2 启动项目
8.2.1 定义模型
8.2.2 创建爬虫
8.3 不同的爬虫类型
8.4 使用shell命令抓取
8.4.1 检查结果
8.4.2 中断与恢复爬虫
8.5 使用Portia编写可视化爬虫
8.5.1 安装
8.5.2 标注
8.5.3 运行爬虫
8.5.4 检查结果
8.6 使用Scrapely实现自动化抓取
8.7 本章小结
第9章 综合应用
9.1 Google搜索引擎
9.2 Facebook
9.2.1 网站
9.2.2 Facebook API
9.3 Gap
9.4 宝马
9.5 本章小结
内容摘要
凯瑟琳·雅姆尔，理查德·劳森著的《用Python写网络爬虫（第2版）》讲解了如何使用Python来编写网络爬虫程序，内容包括网络爬虫简介，从页面中抓取数据的3种方法，提取缓存中的数据，使用多个线程和进程进行并发抓取，抓取动态页面中的内容，与表单进行交互，处理页面中的验证码问题，以及使用Scarpy和Portia进行数据抓取，并在最后介绍了使用本书讲解的数据抓取技术对几个真实的网站进行抓取的实例，旨在帮助读者活学活用书中介绍的技术。
本书适合有一定Python编程经验而且对爬虫技术感兴趣的读者阅读。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价