Python爬虫技术 深入理解原理、技术与开发

本书从实战角度系统讲解Python爬虫的核心知识点，并通过大量的真实项目让读者熟练掌握Python爬虫技术。本书用20多个实战案例，完美演绎了使用各种技术编写Python爬虫的方式，读者可以任意组合这些技术，完成非常复杂的爬虫应用。全书共20章，分为5篇。第1篇基础知识（第1、2章），主要包括Python运行环境的搭建、HTTP基础、网页基础（HTML、CSS、JavaScript等）、爬虫的基本原理、Session与Cookie。第2篇网络库（第3～6章），主要包括网络库urllib、urllib3、requests和Twisted的核心使用方法，如发送HTTP请求、处理超时、设置HTTP请求头、搭建和使用代理、解析链接、Robots协议等。第3篇解析库（第7～10章），主要包括3个常用解析库（lxml、BeautifulSoup和pyquery）的使用方法，同时介绍多种用于分析HTML代码的技术，如正则表达式、XPath、CSS选择器、方法选择器等。第4篇数据存储（第11、12章），主要包括Python中数据存储的解决方案，如文件存储和数据库存储，其中数据库存储包括多种数据库，如本地数据库SQLite、网络数据库MySQL以及文档数据库MongoDB。第5篇爬虫高级应用（第13～20章），主要包括Python爬虫的一些高级技术，如抓取异步数据、Selenium、Splash、抓取移动App数据、Appium、多线程爬虫、爬虫框架Scrapy，最后给出一个综合的实战案例，综合了Python爬虫、数据存储、PyQt5、多线程、数据可视化、Web等多种技术实现一个可视化爬虫。本书可以作为广大计算机软件技术开发者、互联网技术研究人员学习“爬虫技术”的参考用书。也可以作为高等院校计算机科学与技术、软件工程、人工智能等专业的教学参考用书。

前言
第1篇基础知识
第1章开发环境配置
1.1安装官方的Python运行环境
1.2配置PATH环境变量
1.3安装AnacondaPython开发环境
1.4安装PyCharm
1.5配置PyCharm
1.6小结
第2章爬虫基础
2.1HTTP基础
2.1.1URI和URL
2.1.2超文本
2.1.3HTTP与HTTPS
2.1.4HTTP的请求过程
2.1.5请求
2.1.6响应
2.2网页基础
2.2.1HTML
2.2.2CSS
2.2.3CSS选择器
2.2.4JavaScript
2.3爬虫的基本原理
2.3.1爬虫的分类
2.3.2爬虫抓取数据的方式和手段
2.4Session与Cookie
2.4.1静态页面和动态页面
2.4.2无状态HTTP与Cookie
2.4.3利用Session和Cookie保持状态
2.4.4查看网站的Cookie
2.4.5HTTP状态何时会失效
2.5实战案例：抓取所有的网络资源
2.6实战案例：抓取博客文章列表
2.7小结
第2篇网络库
第3章网络库urllib
3.1urllib简介
3.2发送请求与获得响应
3.2.1用urlopen函数发送HTTPGET请求
3.2.2用ur。lopen函数发送HTTPPOST请求
3.2.3请求超时
3.2.4设置HTTP请求头
3.2.5设置中文HTTP请求头
3.2.6请求基础验证页面
3.2.7搭建代理与使用代理
3.2.8读取和设置Cookie
3.3异常处理
3.3.1URLError
3.3.2HTTPError
3.4解析链接
3.4.1拆分与合并URL（urlparse与urlunparse）
3.4.2另一种拆分与合并URL的方式（urlsplit与urlunsplit）
3.4.3连接URL（urlioin）
3.4.4URL编码（urlencode）
3.4.5编码与解码（quote与unquote）
3.4.6参数转换（parse_qs与parse_qsl）
3.5Robots协议
3.5.1Robots协议简介
3.5.2分析Robots协议
……
第3篇解析库
第4篇数据存储
第5篇爬虫高级应用