用Python写网络爬虫(第2版) PDF格式高清电子书免费下载

用Python写网络爬虫(第2版)

作者 [德]凯瑟琳 雅姆尔(Katharine Jarmul)、[澳]理查德 劳森(Richard Lawson)
译者 李斌
出版社 人民邮电出版社
出版日期 2018-08-01
页数 200
格式 Paper book / ebook (PDF)
ISBN 9787115479679
价格 49
  • 内容简介
  • 图书目录
  • 免费下载

出版信息

ISBN:9787115479679
语言:简体中文
包装/印刷类型:1
开本:16开
出版时间:2018-08-01
页数:200

内容简介

本书包括网络爬虫的定义以及如何爬取网站,如何使用几种库从网页中抽取数据,如何通过缓存结果避免重复下载的问题,如何通过并行下载来加速数据抓取,如何利用不同的方式从动态网站中抽取数据,如何使用叔叔及导航等表达进行搜索和登录,如何访问被验证码图像保护的数据,如何使用Scrapy爬虫框架进行快速的并行抓取,以及使用Portia的Web界面构建网路爬虫。

《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。

《用Python写网络爬虫(第 2版》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。

图书目录

第 1章 网络爬虫简介 1

1.1 网络爬虫何时有用 1

1.2 网络爬虫是否合法 2

1.3 Python 3 3

1.4 背景调研 4

1.4.1 检查robots.txt 4

1.4.2 检查网站地图 5

1.4.3 估算网站大小 6

1.4.4 识别网站所用技术 7

1.4.5 寻找网站所有者 9

1.5 编写第 一个网络爬虫 11

1.5.1 抓取与爬取的对比 11

1.5.2 下载网页 12

1.5.3 网站地图爬虫 15

1.5.4 ID遍历爬虫 17

1.5.5 链接爬虫 19

1.5.6 使用requests库 28

1.6 本章小结 30

第 2章 数据抓取 31

2.1 分析网页 32

2.2 3种网页抓取方法 34

2.2.1 正则表达式 35

2.2.2 Beautiful Soup 37

2.2.3 Lxml 39

2.3 CSS选择器和浏览器控制台 41

2.4 XPath选择器 43

2.5 LXML和家族树 46

2.6 性能对比 47

2.7 抓取结果 49

2.7.1 抓取总结 50

2.7.2 为链接爬虫添加抓取回调 51

2.8 本章小结 55

第3章 下载缓存 56

3.1 何时使用缓存 57

3.2 为链接爬虫添加缓存支持 57

3.3 磁盘缓存 60

3.3.1 实现磁盘缓存 62

3.3.2 缓存测试 64

3.3.3 节省磁盘空间 65

3.3.4 清理过期数据 66

3.3.5 磁盘缓存缺点 68

3.4 键值对存储缓存 69

3.4.1 键值对存储是什么 69

3.4.2 安装Redis 70

3.4.3 Redis概述 71

3.4.4 Redis缓存实现 72

3.4.5 压缩 74

3.4.6 测试缓存 75

3.4.7 探索requests-cache 76

3.5 本章小结 78

第4章 并发下载 79

4.1 100万个网页 79

4.2 串行爬虫 82

4.3 多线程爬虫 83

4.4 线程和进程如何工作 83

4.4.1 实现多线程爬虫 84

4.4.2 多进程爬虫 87

4.5 性能 91

4.6 本章小结 94

第5章 动态内容 95

5.1 动态网页示例 95

5.2 对动态网页进行逆向工程 98

5.3 渲染动态网页 104

5.3.1 PyQt还是PySide 105

5.3.2 执行JavaScript 106

5.3.3 使用WebKit与网站交互 108

5.4 渲染类 111

5.5 本章小结 117

第6章 表单交互 119

6.1 登录表单 120

6.2 支持内容更新的登录脚本扩展 128

6.3 使用Selenium实现自动化表单处理 132

6.4 本章小结 135

第7章 验证码处理 136

7.1 注册账号 137

7.2 光学字符识别 140

7.3 处理复杂验证码 144

7.4 使用验证码处理服务 144

7.4.1 9kw入门 145

7.4.2 报告错误 150

7.4.3 与注册功能集成 151

7.5 验证码与机器学习 153

7.6 本章小结 153

第8章 Scrapy 154

8.1 安装Scrapy 154

8.2 启动项目 155

8.2.1 定义模型 156

8.2.2 创建爬虫 157

8.3 不同的爬虫类型 162

8.4 使用shell命令抓取 163

8.4.1 检查结果 165

8.4.2 中断与恢复爬虫 167

8.5 使用Portia编写可视化爬虫 170

8.5.1 安装 170

8.5.2 标注 172

8.5.3 运行爬虫 176

8.5.4 检查结果 176

8.6 使用Scrapely实现自动化抓取 177

8.7 本章小结 178

第9章 综合应用 179

9.1 Google搜索引擎 179

9.2 Facebook 184

9.2.1 网站 184

9.2.2 Facebook API 186

9.3 Gap 188

9.4 宝马 192

9.5 本章小结 196

点击展开

点击收起

用Python写网络爬虫(第2版) PDF格式高清电子书免费下载

提醒:本站所有图书资源均索引自互联网,版权争议与本站无关。如有侵权或其他争议的可能性,请发起版权投诉,因本站未参与任何制作、转制、存储等任一环节,故无法对涉及到的资源进行删除,本站会依据DMCA原则, 对涉及的资源链接进行删除。因为所有图书资源均不属于本站,本站只提供索引服务,故本站不保证任何资源的准确性,权威性,请使用者自行判断。

  • 查看原页面 报告错误 直接下载

看了 用Python写网络爬虫(第2版) 的用户也看了: