Python网络爬虫入门到实战

图书标准信息

• 作者 杨涵文 周培源 陈姗姗
• 出版社 机械工业出版社
• 出版时间 2023-07
• 版次 1
• ISBN 9787111730521
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 292页
• 字数 478千字

【内容简介】

本书介绍了Python3网络爬虫的常见技术。首先介绍了网页的基础知识，然后介绍了urllib、Requests请求库以及XPath、Beautiful Soup等解析库，接着介绍了selenium对动态网站的爬取和Scrapy爬虫框架，最后介绍了Linux基础，便于读者自主部署编写好的爬虫脚本。本书所有代码和相关素材可以到GitHub下载获取，地址为https://github.com/sfvsfv/Crawer。
  本书主要面向对网络爬虫感兴趣的初学者。

【作者简介】

杨涵文

网名“川川”，现致力于全栈开发领域，在大数据分析与挖掘、机器学习、人工智能、网站开发等领域实战经验丰富。CSDN内容合伙人、阿里云博客专家，全网20万粉丝博主，热衷于技术研究，乐于分享。

周培源

网名“不吃西红柿”，现任Apple高级工程师。全网30万粉丝的知名技术博主、CSDN内容合伙人、华为HDZ成员、阿里云博客专家。

陈姗姗

上海工程技术大学讲师，理学博士，西澳大学联培博士，硕士生导师。发表学术论文20余篇，其中SCI检索10余篇，国际权威SCI期刊、IEEE等期刊审稿人。参与多项国家自然科学基金重点项目等。

【目录】

前言

第1章 HTML与CSS基础/

1.1概述引导/

1.2Hbuilder软件下载与使用/

1.3HTML基础/

1.3.1基本架构/

1.3.2标题和段落标签/

1.3.3文字标签/

1.3.4图像标签/

1.3.5超链接标签/

1.3.6块标签/

1.3.7列表标签/

1.3.8音频视频标签/

1.3.9表格标签/

1.3.10表单标签/

1.3.11框架标签/

1.4免费网页部署/

1.5为什么要使用CSS框架/

1.6选择器/

1.6.1标签选择器/

1.6.2类选择器/

1.6.3ID选择器/

1.6.4全局选择器/

1.6.5属性选择器/

1.6.6包含选择器/

1.6.7选择器的综合使用/

1.7CSS和HTML的结合方式/

1.7.1行内样式/

1.7.2内嵌样式/

1.7.3链接样式/

1.7.4导入样式/

1.7.5优先级/

1.8CSS的常见属性/

1.8.1字体属性/

1.8.2文本属性/

1.8.3尺寸属性/

1.8.4背景属性/

1.8.5制作照片墙/

1.9作业习题/

1.9.1HTML作业习题/

1.9.2CSS作业习题/Python网络爬虫入门到实战

第2章 urllib、Requests基础与实战/

2.1urllib的使用/

2.1.1urlopen网址请求/

2.1.2网页的保存和异常处理/

2.1.3构造请求对象Requests/

2.1.4添加请求头/

2.1.5SSL认证/

2.2万能视频下载/

2.3Requests中get的使用/

2.3.1Requests基础：代码获取/

2.3.2Requests基础：构建请求/

2.3.3获取cookie/

2.3.4添加请求头/

2.3.5二进制数据获取/

2.4Requests中post的使用/

2.4.1提交数据表单/

2.4.2添加请求头/

2.4.3提交json/

2.4.4普通文件上传/

2.5Requests进阶/

2.5.1URLError和HTTPError/

2.5.2Fiddler的下载与简单使用/

2.5.3登录网站/

2.5.4代理设置/

2.6实战演练/

2.6.1获取某搜索的代码/

2.6.2下载图片到本地/

2.6.3下载视频到本地/

2.6.4爬取翻译网站/目录

第3章 正则表达式基础与实战/

3.1正则表达式的定义/

3.2Python中的正则表达式/

3.3正则表达式函数/

3.3.1findall()函数/

3.3.2search()函数/

3.3.3split()函数/

3.3.4sub()函数/

3.3.5compile函数/

3.4特殊字符的使用/

3.4.1列表符/

3.4.2点符号/

3.4.3开始符和结束符/

3.4.4星号/

3.4.5加号/

3.4.6集合符号/

3.4.7或符号/

3.5特殊序列/

3.5.1匹配指定字符/

3.5.2匹配开头、结尾和中间/

3.5.3匹配数字与非数字/

3.5.4空格与非空格匹配/

3.5.5数字与字母的匹配/

3.5.6贪婪模式与非贪婪模式/

3.6集合练习/

3.6.1指定的符号匹配/

3.6.2匹配任意范围内的小写字母/

3.7匹配对象/

3.8正则实战：段子爬取/

3.9作业习题/

第4章 XPath基础与实战/

4.1开始使用XPath/

4.1.1常见的HTML操作/

4.1.2常见的XML操作/

4.1.3浏览器使用XPath调试/

4.1.4谷歌插件的安装与XPath Helper的使用/

4.1.5浏览器复制XPath/

4.2属性的匹配/

4.2.1根据具体属性匹配/

4.2.2通过属性值的字段匹配/

4.2.3属性值获取/

4.3XPath处理HTML常用方法/

4.4实战学习：房产网站爬取/

4.5多线程爬虫/

4.5.1进程和线程/

4.5.2Python中的多线程与单线程/

4.5.3单线程修改为多线程/

4.6作业习题/

第5章 Beautiful Soup基础与实战/

5.1什么是Beautiful Soup/

5.2解析器/

5.3解析库的基本使用/

5.3.1代码的排版/

5.3.2网页文档处理/

5.3.3获取节点中的文本/

5.3.4根据属性匹配/

5.4find_all方法搜索节点/

5.4.1基本使用/

5.4.2通过标签搜索/

5.4.3非参数搜索/

5.4.4CSS搜索/

5.4.5通过文本搜索/

5.4.6返回数量限制/

5.5find方法搜索节点/

5.6CSS选择器/

5.6.1通过标签名查找/

5.6.2通过标签的类名查找/

5.6.3通过标签的id查找/

5.6.4通过属性查找/

5.7实战一：爬取诗词网站/

5.8实战二：爬取求职网站/

第6章 selenium自动化测试与实战/

6.1环境搭建/

6.2单个元素定位/

6.2.1id定位/

6.2.2name定位/

6.2.3class_name定位/

6.2.4link_text定位/

6.2.5tag_name定位/

6.2.6XPath定位/

6.2.7通过CSS定位/

6.2.8使用By类定位/

6.2.9总结/

6.3元素等待/

6.3.1强制等待/

6.3.2显示等待/

6.3.3隐式等待/

6.4浏览器控制/

6.4.1控制浏览器大小/

6.4.2控制浏览器前进后退与刷新/

6.4.3文本输入输出与表单提交/

6.5鼠标控制/

6.5.1鼠标事件右键/

6.5.2鼠标双击/

6.6键盘控制/

6.7多个元素定位/

6.8文件上传/

6.9获取cookie/

6.9.1手动获取cookie/

6.9.2扫码自动获取cookie/

6.10窗口截图/

6.11策略补充/

6.11.1去除Chrome正受到自动测试软件的控制/

6.11.2添加代理IP和请求头/

6.11.3无头模式/

6.11.4其他一些选项的添加/

6.12字符验证码/

6.12.1pytesseract介绍/

6.12.2安装/

6.12.3中文支持/

6.12.4英文识别/

6.12.5简单的数字识别/

6.12.6中文识别/

6.12.7ddddocr模块的使用/

6.12.8彩色图片识别应用/

6.13自动发送QQ邮箱/

6.13.1获取授权码/

6.13.2发送文本和附件/

第7章 Scrapy框架与实战/

7.1框架介绍/

7.2Scrapy入门/

7.2.1创建项目文件/

7.2.2确定目标/

7.2.3定制Item/

7.2.4setting配置修改与使用/

7.2.5数据提取/

7.2.6实战教学/

7.2.7数据存储/

7.2.8Item Pipeline管道/

7.2.9Pipelines图片保存/

7.3实战一：图片多页下载/

7.4实战二：视频分析/

7.4.1基本搭建/

7.4.2数据提取/

7.4.3Pipelines保存数据/

7.5实战三：文字爬取/

7.5.1基本搭建/

7.5.2数据提取/

7.5.3Pipelines保存数据/

7.6Pipelines的多文件执行/

7.7日志记录/

7.7.1logging的语法/

7.7.2简单使用/

7.8使用选择器/

7.8.1Scrapy shell基本使用/

7.8.2使用XPath选择器/

7.8.3CSS选择器的语法/

7.8.4使用CSS选择器/

7.8.5嵌套选择器/

7.8.6正则选择器/

7.8.7使用相对XPaths/

7.9CrawlSpider的使用/

7.9.1爬取规则/

7.9.2setting配置修改/

7.9.3应用案例一：某宠物网站爬取/

7.9.4应用案例二：某读书网站爬取/

7.10内置图片下载器/

7.10.1基本搭建/

7.10.2数据提取/

7.10.3同步下载/

7.10.4异步下载/

7.11存储到数据库/

7.11.1同步存储/

7.11.2异步存储/

第8章 Linux基础/

8.1为什么学习Linux?/

8.2安装虚拟机/

8.2.1本地安装虚拟机（推荐）/

8.2.2免费在线Linux服务器/

8.3文件管理/

8.3.1查看目录/

8.3.2创建文件夹/

8.3.3切换目录/

8.3.4创建文件/

8.3.5删除文件和文件夹/

8.3.6复制文件/

8.3.7移动文件/

8.3.8编写文件内容/

8.3.9查看文件内容/

8.3.10搜索文件内容/

8.3.11查看文件权限/

8.3.12更改权限/

8.4进程管理/

8.5定时任务/