包邮用Python写网络爬虫

1星价 ¥19.4 (4.3折)

2星价￥18.9 定价￥45.0

作者：理查德.劳森

出版社：人民邮电出版社

本类榜单：计算机/网络

分类：计算机/网络

温馨提示：5折以下图书主要为出版社尾货，大部分为全新（有塑封/无塑封），个别图书品相8-9成新、切口有划线标记、光盘等附件不全详细品相说明>>

暂无评论

图文详情

ISBN：9787115431790
装帧：简裝本
册数：暂无
重量：暂无
开本：32开
页数：157
出版时间：2016-09-01
条形码：9787115431790 ; 978-7-115-43179-0

本书特色

《用python写网络爬虫》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scarpy和portia来进行数据抓取，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。
《用python写网络爬虫》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。

内容简介

作为一种便捷地收集网上信息并从中抽取出可用信息的方式，网络爬虫技术变得越来越有用。使用python这样的简单编程语言，你可以使用少量编程技能就可以爬取复杂的网站。
《用python写网络爬虫》作为使用python来爬取网络数据的杰出指南，讲解了从静态页面爬取数据的方法以及使用缓存来管理服务器负载的方法。此外，本书还介绍了如何使用ajax url和firebug扩展来爬取数据，以及有关爬取技术的更多真相，比如使用浏览器渲染、管理cookie、通过提交表单从受验证码保护的复杂网站中抽取数据等。本书使用scrapy创建了一个高级网络爬虫，并对一些真实的网站进行了爬取。
《用python写网络爬虫》介绍了如下内容：
通过跟踪链接来爬取网站；
使用lxml从页面中抽取数据；
构建线程爬虫来并行爬取页面；
将下载的内容进行缓存，以降低带宽消耗；
解析依赖于javascript的网站；
与表单和会话进行交互；
解决受保护页面的验证码问题；
对ajax调用进行逆向工程；
使用scrapy创建高级爬虫。
本书读者对象
本书是为想要构建可靠的数据爬取解决方案的开发人员写作的，本书假定读者具有一定的python编程经验。当然，具备其他编程语言开发经验的读者也可以阅读本书，并理解书中涉及的概念和原理。

目录第1章网络爬虫简介 11.1　网络爬虫何时有用　11.2　网络爬虫是否合法　21.3　背景调研　31.3.1　检查robots.txt　31.3.2　检查网站地图　41.3.3　估算网站大小　51.3.4　识别网站所用技术　71.3.5　寻找网站所有者　71.4　编写**个网络爬虫　81.4.1　下载网页　91.4.2　网站地图爬虫　121.4.3　id遍历爬虫　131.4.4　链接爬虫　151.5　本章小结　22第2章　数据抓取　232.1　分析网页　232.2　三种网页抓取方法　262.2.1　正则表达式　262.2.2　beautiful soup　282.2.3　lxml　302.2.4　性能对比　322.2.5　结论　352.2.6　为链接爬虫添加抓取回调　352.3　本章小结　38第3章　下载缓存　393.1　为链接爬虫添加缓存支持　393.2　磁盘缓存　423.2.1　实现　443.2.2　缓存测试　463.2.3　节省磁盘空间　463.2.4　清理过期数据　473.2.5　缺点　483.3　数据库缓存　493.3.1　nosql是什么　503.3.2　安装mongodb　503.3.3　mongodb概述　503.3.4　mongodb缓存实现　523.3.5　压缩　543.3.6　缓存测试　543.4　本章小结　55第4章　并发下载　574.1　100万个网页　574.2　串行爬虫　604.3　多线程爬虫　604.3.1　线程和进程如何工作　614.3.2　实现　614.3.3　多进程爬虫　634.4　性能　674.5　本章小结　68第5章　动态内容　695.1　动态网页示例　695.2　对动态网页进行逆向工程　725.3　渲染动态网页　775.3.1　pyqt还是pyside　785.3.2　执行javascript　785.3.3　使用webkit与网站交互　805.3.4　selenium　855.4　本章小结　88第6章　表单交互　896.1　登录表单　906.2

展开全部