精通Python网络爬虫：核心技术、框架与项目实战

图书标准信息

• 作者 韦玮 著
• 出版社 机械工业出版社
• 出版时间 2017-04
• 版次 1
• ISBN 9787111562085
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 294页

【内容简介】

　　本书从技术、工具与实战3个维度讲解了Python网络爬虫： 

　　技术维度：详细讲解了Python网络爬虫实现的核心技术，包括网络爬虫的工作原理、如何用urllib库编写网络爬虫、爬虫的异常处理、正则表达式、爬虫中Cookie的使用、爬虫的浏览器伪装技术、定向爬取技术、反爬虫技术，以及如何自己动手编写网络爬虫； 

　　工具维度：以流行的Python网络爬虫框架Scrapy为对象，详细讲解了Scrapy的功能使用、高级技巧、架构设计、实现原理，以及如何通过Scrapy来更便捷、高效地编写网络爬虫； 

　　实战维度：以实战为导向，是本书的主旨，除了完全通过手动编程实现网络爬虫和通过Scrapy框架实现网络爬虫的实战案例以外，本书还有博客爬取、图片爬取、模拟登录等多个综合性的网络爬虫实践案例。 

　　作者在Python领域有非常深厚的积累，不仅精通Python网络爬虫，在Python机器学习、Python数据分析与挖掘、Python Web开发等多个领域都有丰富的实战经验 

【作者简介】

　　韦玮，资深网络爬虫技术专家、大数据专家和软件开发工程师，从事大型软件开发与技术服务多年，现任重庆韬翔网络科技有限公司创始人兼CEO，国家专利发明人。 

　　精通Python技术，在Python网络爬虫、Python机器学习、Python数据分析与挖掘、Python Web开发等多个领域都有丰富的实战经验。 

　　CSDN、51CTO、天善智能等科技类社区和媒体的特邀专家和讲师，输出了大量的高质量课程和文章，深受用户喜爱。 

【目录】

前　言 

第一篇　理论基础篇 

第1章　什么是网络爬虫  3 

1.1　初识网络爬虫  3 

1.2　为什么要学网络爬虫  4 

1.3　网络爬虫的组成  5 

1.4　网络爬虫的类型  6 

1.5　爬虫扩展——聚焦爬虫  7 

1.6　小结  8 

第2章　网络爬虫技能总览  9 

2.1　网络爬虫技能总览图  9 

2.2　搜索引擎核心  10 

2.3　用户爬虫的那些事儿  11 

2.4　小结  12 

第二篇　核心技术篇 

第3章　网络爬虫实现原理与实现技术  15 

3.1　网络爬虫实现原理详解  15 

3.2　爬行策略  17 

3.3　网页更新策略  18 

3.4　网页分析算法  20 

3.5　身份识别  21 

3.6　网络爬虫实现技术  21 

3.7　实例——metaseeker  22 

3.8　小结  27 

第4章　Urllib库与URLError异常处理  29 

4.1　什么是Urllib库  29 

4.2　快速使用Urllib爬取网页  30 

4.3　浏览器的模拟——Headers属性  34 

4.4　超时设置  37 

4.5　HTTP协议请求实战  39 

4.6　代理服务器的设置  44 

4.7　DebugLog实战  45 

4.8　异常处理神器——URLError实战  46 

4.9　小结  51 

第5章　正则表达式与Cookie的使用  52 

5.1　什么是正则表达式  52 

5.2　正则表达式基础知识  52 

5.3　正则表达式常见函数  61 

5.4　常见实例解析  64 

5.5　什么是Cookie  66 

5.6　Cookiejar实战精析  66 

5.7　小结  71 

第6章　手写Python爬虫  73 

6.1　图片爬虫实战  73 

6.2　链接爬虫实战  78 

6.3　糗事百科爬虫实战  80 

6.4　微信爬虫实战  82 

6.5　什么是多线程爬虫  89 

6.6　多线程爬虫实战  90 

6.7　小结  98 

第7章　学会使用Fiddler  99 

7.1　什么是Fiddler  99 

7.2　爬虫与Fiddler的关系  100 

7.3　Fiddler的基本原理与基本界面  100 

7.4　Fiddler捕获会话功能  102 

7.5　使用QuickExec命令行  104 

7.6　Fiddler断点功能  106 

7.7　Fiddler会话查找功能  111 

7.8　Fiddler的其他功能  111 

7.9　小结  113 

第8章　爬虫的浏览器伪装技术  114 

8.1　什么是浏览器伪装技术  114 

8.2　浏览器伪装技术准备工作  115 

8.3　爬虫的浏览器伪装技术实战  117 

8.4　小结  121 

第9章　爬虫的定向爬取技术  122 

9.1　什么是爬虫的定向爬取技术  122 

9.2　定向爬取的相关步骤与策略  123 

9.3　定向爬取实战  124 

9.4　小结  130 

第三篇　框架实现篇 

第10章　了解Python爬虫框架  133 

10.1　什么是Python爬虫框架  133 

10.2　常见的Python爬虫框架  133 

10.3　认识Scrapy框架  134 

10.4　认识Crawley框架  135 

10.5　认识Portia框架  136 

10.6　认识newspaper框架  138 

10.7　认识Python-goose框架  139 

10.8　小结  140 

第11章　爬虫利器——Scrapy安装与配置  141 

11.1　在Windows7下安装及配置Scrapy实战详解  141 

11.2　在Linux（Centos）下安装及配置Scrapy实战详解  147 

11.3　在MAC下安装及配置Scrapy实战详解  158 

11.4　小结  161 

第12章　开启Scrapy爬虫项目之旅  162 

12.1　认识Scrapy项目的目录结构  162 

12.2　用Scrapy进行爬虫项目管理  163 

12.3　常用工具命令  166 

12.4　实战：Items的编写  181 

12.5　实战：Spider的编写  183 

12.6　XPath基础  187 

12.7　Spider类参数传递  188 

12.8　用XMLFeedSpider来分析XML源  191 

12.9　学会使用CSVFeedSpider  197 

12.10　Scrapy爬虫多开技能  200 

12.11　避免被禁止  206 

12.12　小结  212 

第13章　Scrapy核心架构  214 

13.1　初识Scrapy架构  214 

13.2　常用的Scrapy组件详解  215 

13.3　Scrapy工作流  217 

13.4　小结  219 

第14章　Scrapy中文输出与存储  220 

14.1　Scrapy的中文输出  220 

14.2　Scrapy的中文存储  223 

14.3　输出中文到JSON文件  225 

14.4　小结  230 

第15章　编写自动爬取网页的爬虫  231 

15.1　实战：items的编写  231 

15.2　实战：pipelines的编写  233 

15.3　实战：settings的编写  234 

15.4　自动爬虫编写实战  234 

15.5　调试与运行  239 

15.6　小结  242 

第16章　CrawlSpider  243 

16.1　初识CrawlSpider  243 

16.2　链接提取器  244 

16.3　实战：CrawlSpider实例  245 

16.4　小结  249 

第17章　Scrapy高级应用  250 

17.1　如何在Python3中操作数据库  250 

17.2　爬取内容写进MySQL  254 

17.3　小结  259 

第四篇　项目实战篇 

第18章　博客类爬虫项目  263 

18.1　博客类爬虫项目功能分析  263 

18.2　博客类爬虫项目实现思路  264 

18.3　博客类爬虫项目编写实战  264 

18.4　调试与运行  274 

18.5　小结  275 

第19章　图片类爬虫项目  276 

19.1　图片类爬虫项目功能分析  276 

19.2　图片类爬虫项目实现思路  277 

19.3　图片类爬虫项目编写实战  277 

19.4　调试与运行  281 

19.5　小结  282 

第20章　模拟登录爬虫项目  283 

20.1　模拟登录爬虫项目功能分析  283 

20.2　模拟登录爬虫项目实现思路  283 

20.3　模拟登录爬虫项目编写实战  284 

20.4　调试与运行  292 

20.5　小结  294