虫术——Python绝技

图书标准信息

• 作者 梁睿坤
• 出版社 电子工业出版社
• 出版时间 2018-07
• 版次 1
• ISBN 9787121344565
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 428页
• 字数 99999千字

【内容简介】

l爬虫初步
  提供学习虫术的技术线路图，介绍爬虫基本的实现方法与实际运用。
  lScrapy基础
  以Scrapy架构为核心，详解Scrapy架构和各个模块的作用。
  lScrapy工程管理与部署
  详解Scrapyd的安装配置，介绍scrapyd-client和scrapyd-deploy的使用方法。
  l中阶虫术
  分析Scrapy的蜘蛛内部实现，运用Selenium和Splash处理棘手的JavaScript网页，详解如何处理采集后的数据。
  l高阶虫术
  聚焦于爬虫系统的性能，讲解如何能让爬虫变得更加隐蔽，如何让爬虫能看懂图片并训练它们使之变得更加聪明。讲解虫术的“大招”（分布式爬虫）来应对大规模的数据采集工作与数据存储的工作。

【作者简介】

近二十年软件开发、项目管理、团队建设和管理经验。致力于互联网技术应用与大数据应用方面的研究与开发工作。曾任多家软件公司的高级软件工程师、项目经理、首席架构师和技术总监等职务。现任广州市增增智能科技有限公司CEO，从事视觉智能、语音智能及IoT等技术的产品研发与企业经营方面的工作。

【目录】

第1章　爬虫初步

1.1　爬虫与大数据

1.1.1　大数据架构

1.1.2　爬虫的作用与地位

1.1.3　Python与爬虫

1.1.4　Python的网络爬虫框架

1.1.5　虫术技术路线图

1.2　实例：简单的爬虫

1.3　内容分析进阶

1.3.1　选择器

1.3.2　深入BeautifulSoup

1.3.3　元素的搜寻

1.3.4　乱码与中文编码

1.4　新闻供稿的爬取实例

1.5　小结

第2章　Scrapy基础知识

2.1　Scrapy架构

2.2　Scrapy快速入手

2.3　数据模型Item

2.4　蜘蛛—Spiders

2.5　管道—Item Pipeline

2.6　Scrapy的运行与配置

2.7　新闻供稿爬虫的Scrapy实现

2.8　小结

第3章　Scrapy的工程管理

3.1　Scrapyd

3.2　scrapyd-client及部署

3.3　搭建爬虫服务器

第4章　中阶虫术

4.1　蜘蛛的演化

4.1.1　蜘蛛的本质—深入Spider

4.1.2　通用蜘蛛

4.1.3　蜘蛛中间件

4.2　爬虫系统的测试与调试

4.2.1　开发期调试

4.2.2　蜘蛛的测试

4.2.3　蜘蛛的运行期调试

4.2.4　调试内存溢出

4.3　处理HTTP请求

4.3.1　HTTP请求

4.3.2　Scrapy的Request对象

4.3.3　表单处理

4.3.4　下载器中间件

4.4　处理HTTP响应

4.4.1　HTTP响应

4.4.2　Scrapy的响应对象

4.4.3　深入选择器

4.4.4　非结构化数据的提取

4.4.5　黑夜中的眼睛

4.5　处理JavaScript

4.5.1　示例：电商产品爬虫

4.5.2　Selenium和PhantomJS

4.5.3　Scrapy与Splash

4.6　数据存储与后处理

4.6.1　图片的下载与存储

4.6.2　示例：产品图片采集

4.6.3　导出到数据文件

4.6.4　导出到数据库

4.6.5　示例：基于阿里云的存储后端

第5章　高阶虫术

5.1　增量式爬网

5.1.1　推演路由

5.1.2　时机的重要性

5.1.3　去重处理

5.1.4　布隆过滤器

5.1.5　基于Redis的布隆过滤器

5.2　突破封印

5.2.1　封禁浅析

5.2.2　客户端仿真

5.2.3　化身万千—蜘蛛世界的易容术

5.2.4　反跟踪

5.2.5　绕开蜜罐

5.3　虫海

5.3.1　分布式爬虫架构

5.3.2　认识scrapy-redis

5.3.3　示例：分布式电商爬虫

5.4　可视化爬虫

5.4.1　示例：某点评网爬虫

5.4.2　解读Portia爬虫代码

5.4.3　数据项加载器—Item Loaders

5.4.4　最后的工作