包邮Python网络数据采集

**部分　创建爬虫第1章　初见网络爬虫　　21.1　网络连接　　21.2　beautifulsoup简介　　41.2.1　安装beautifulsoup　　51.2.2　运行beautifulsoup　　71.2.3　可靠的网络连接　　8第2章　复杂html解析　　112.1　不是一直都要用锤子　　112.2　再端一碗beautifulsoup　　122.2.1　beautifulsoup的find()和findall()　　132.2.2　其他beautifulsoup对象　　152.2.3　导航树　　162.3　正则表达式　　192.4　正则表达式和beautifulsoup　　232.5　获取属性　　242.6　lambda表达式　　242.7　超越beautifulsoup　　25第3章　开始采集　　263.1　遍历单个域名　　263.2　采集整个网站　　303.3　通过互联网采集　　343.4　用scrapy采集　　38第4章　使用api　　424.1　api概述　　434.2　api通用规则　　434.2.1　方法　　444.2.2　验证　　444.3　服务器响应　　454.4　echo nest　　464.5　twitter api　　484.5.1　开始　　484.5.2　几个示例　　504.6　google api　　524.6.1　开始　　524.6.2　几个示例　　534.7　解析json数据　　554.8　回到主题　　564.9　再说一点api　　60第5章　存储数据　　615.1　媒体文件　　615.2　把数据存储到csv　　645.3　mysql　　655.3.1　安装mysql　　665.3.2　基本命令　　685.3.3　与python整合　　715.3.4　数据库技术与*佳实践　　745.3.5　mysql里的“六度空间游戏”　　755.4　email　　77第6章　读取文档　　806.1　文档编码　　806.2　纯文本　　816.3　csv　　856.4　pdf　　876.5　微软word和.docx　　88第二部分　高级数据采集第7章　数据清洗　　947.1　编写代码清洗数据　　947.2　数据存储后再清洗　　98第8章　自然语言处理　　1038.1　概括数据　　1048.2　马尔可夫模型　　1068.3　自然语言工具包　　1128.3.1　安装与设置　　1128.3.2　用nltk做统计分析　　1138.3.3　用nltk做词性分析　　1158.4　其他资源　　119第9章　穿越网页表单与登录窗口进行采集　　1209.1　python requests库　　1209.2　提交一个基本表单　　1219.3　单选按钮、复选框和其他输入　　1239.4　提交文件和图像　　1249.5　处理登录和cookie　　1259.6　其他表单问题　　127第10章　采集javascript　　12810.1　javascript简介　　12810.2　ajax和动态html　　13110.3　处理重定向　　137第11章　图像识别与文字处理　　13911.1　ocr库概述　　14011.1.1　pillow　　14011.1.2　tesseract　　14011.1.3　numpy　　14111.2　处理格式规范的文字　　14211.3　读取验证码与训练tesseract　　14611.4　获取验证码提交答案　　151第12章　避开采集陷阱　　15412.1　道德规范　　15412.2　让网络机器人看起来像人类用户　　15512.2.1　修改请求头　　15512.2.2　处理cookie　　15712.2.3　时间就是一切　　15912.3　常见表单安全措施　　15912.3.1　隐含输入字段值　　15912.3.2　避免蜜罐　　16012.4　问题检查表　　162第13章　用爬虫测试网站　　16413.1　测试简介　　16413.2　python单元测试　　16513.3　selenium单元测试　　16813.4　python单元测试与selenium单元测试的选择　　172第14章　远程采集　　17414.1　为什么要用远程服务器　　17414.1.1　避免ip地址被封杀　　17414.1.2　移植性与扩展性　　17514.2　tor代理服务器　　17614.3　远程主机　　17714.3.1　从网站主机运行　　17814.3.2　从云主机运行　　17814.4　其他资源　　17914.5　勇往直前　　180附录a　python简介　　181附录b　互联网简介　　184附录c　网络数据采集的法律与道德约束　　188作者简介　　200封面介绍　　200