百度云盘：用Python写网络爬虫nPDF高清完整版免费下载
提取码：67pk
image.png
内容提要
本书讲解了如何使用P川lOil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 的三种方法 ，提取缓存中的数据 ，使用 多 个线程和进程来进行并发抓取 ， 如何抓取动态页面 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 Sca rpy 和 Portia 来进行数据抓取 ， 并在最后使用 本书介绍 的 数据抓取技术对几个真实 的 网 站进行 了 抓取 ， 旨在帮 助读者活学活用书中介绍 的技术 。
本书适合有一定Python 编程经验 ， 而且对爬虫技术感兴趣的读者阅读 。
关于作者
Richard Lawson 来 自澳大利亚， 毕业于墨尔本大学计算机科学专业 。毕业后 ，他创办了一家专注于 网 络爬虫 的公司 ， 为超过 50 个国家的业务提供远程工作 。 他精通于世界语 ， 可以使用汉语和韩语对话 ， 并且积极投身 于开源软件 。 他目前在牛津大学攻读研究生学位， 并利用业余 时 间研发 自 主无人机 。
本书读者
阅读本书需要有一定的编程经验，并且不适用于绝对的初学者。在实践中，我们将会首先实现我们自己的网络爬虫技术版本，然后才会介绍现有的流行 模块， 这样可以让你更好地理 解这些技术是如何工作的。本书中的这些示例将假设你已经拥有Python语言以及使用pip 安装模块的能力。
目录
第1章 网络爬虫简介
1.2 网络爬虫是否合法
1.3 背景调研
1.3.1 检查 robots. t xt
1.3.3 估算网站 大小
1.3.4 识别网站 所用技术
1.3.5 寻找网站 所有者
1.4 编写第一个网络爬虫
1.4.1 下载网 页
1.4.2 网站 地图爬虫
1.4.3 ID遍历爬虫
1.4.4 链接爬虫
1.5 本章小结
第2章 数据抓取 23
2.1 分析网页
2.2 三种网页抓取方法
2.2.1 正则表达式
1.1 网络爬虫何时有用
1.3.2 检查网站 地图
目 录
2.2.2 B eau tifu l Soup
2.2.3 Lxml
2.2.4 性 能对 比
2.2.5 结论
2.2.6 为链接爬虫添加抓取回调
2.3 本章小结
第3章 下载缓存
3.1 为链接爬虫添加缓存支持
3.2 磁盘缓存
3.2.1 实现
3.2.2 缓存测试
3.2.3 节省磁盘空间
3.2.4 清理过期数据
3.2.5 缺点
3.3 数据库缓存
3.3.1 NoSQL是什么
3.3.2 安装M ongoDB
3.3.3 M ongoDB概述
3.3.4 M ongoDB 缓存实现
3.3.5 压缩
3.3.6 缓存测试…·
3.4 本章小结
第4章 并发下载
4.1 100万个网页
4.2 串行爬虫
4.3 多线程爬虫
目 录
4.3.1 线程和进程如何工作
4.3.2 实现
4.3.3 多进程爬虫
4.4 性能
4.5 本章小结
第5章 动态内容
5.1 动态网页示例
5.2 对动态网页进行逆向工程
5.3 渲染动态网页
5.3.1 PyQt 还是PySid e
5.3.2 执行JavaScript
5.3.3 使用WebKit 与 网站 交互
5.3.4 Selenium
5.4 本章小结
第6章 表单交E
6.1 登录表单
6.2 支持内容更新的登录脚本扩展
6.3 使用Mechanize模块实现自动化表单处理
6.4 本章小结 第7章 验证码处理 103
7.1 注册账号…·
7.2 光学字符识别
7.3 处理复杂验证码
7.3.1 使用验证码处理服务
7.3.2 9kw入门
7.3.3 与 注册功 能集成
7.4 本章小结
8.1 安装
8.2 启动项目
8.2.1 定义模型
8.2.3 使用 sh el 命l 令抓取
8.2.4 检查结果
8.2.5 中断与恢复爬虫”
8.3 使用Port ia 编写可视化爬虫
8.3.1 安装
8.3.2 标注
8.3.3 优化爬虫…··
8.3.4 检查结果
8.4 使用Scrap ely 实现自动化抓取
8.5 本章小结
网友评论