网络爬虫案例教程(Python·微课视频版)

目录

第1章绪论

1．1网络爬虫的基本概念

1．2网络爬虫的基本流程

1．2．1发起请求

1．2．2获取响应内容

1．2．3解析内容

1．2．4持久化保存数据

1．3网络爬虫的合法性问题

1．4反爬虫技术

1．4．1Useragent控制访问

1．4．2IP限制访问

1．4．3设置请求间隔

1．4．4通过参数加密和JavaScript脚本

1．4．5通过robots.txt来限制爬虫

1．5网络爬虫的预备知识

1．5．1统一资源定位器

1．5．2超文本传输协议

1．5．3超文本标记语言

1．6开发语言和开发环境

1．6．1开发语言

1．6．2第三方请求库

1．6．3开发工具

第2章Requests库

2．1安装Requests库

2．2Requests库发送请求

2．3查看响应内容

2．3．1查看响应状态码

2．3．2查看响应的文本信息

2．3．3解决乱码问题

2．3．4二进制码响应内容

2．3．5JSON响应内容

2．4定制请求头部Headers

2．5Chrome浏览器开发者工具面板

2．5．1打开开发者工具面板

2．5．2Elements面板

2．5．3Network面板

2．6GET请求单个网页的爬取案例

2．6．1不带参数的GET请求

2．6．2携带参数的GET请求

第3章JSON数据爬取

3．1Ajax

3．1．1Ajax技术

3．1．2分析数据来源

3．2JSON

3．2．1JSON语法规则

3．2．2访问JSON数据

3．2．3JSON文件读写操作

3．2．4JSON数据校验和格式化

3．3Ajax异步动态加载的数据爬虫

3．3．1带参数的POST请求爬虫

3．3.2多个网页多链接GET请求爬虫综合案例

3．4POST请求的两种参数格式

3．4．1Form Data类型

3．4．2Request Payload类型

第4章XPath解析及网页数据爬取

4．1XPath简介及安装

4．2XPath节点

4．2．1基本值节点

4．2．2节点关系

4．3XPath语法

4．3．1选取节点语法

4．3．2谓语

4．3．3选取未知节点

4．3．4选取若干路径

4．3．5初步使用XPath案例

4．4XPath表达式

4．4．1定位XPath搜索框

4．4．2在网页上写XPath表达式

4．5爬取HTML文档数据案例

4．6爬取多页HTML文档数据案例

4．6．1翻页在参数里

4．6．2翻页在URL中

4．7图片爬虫案例

4．7．1单张图片爬取

4．7．2多页多幅图片爬虫案例

4．7．3多类多页多图爬虫案例

第5章IP代理

5．1IP代理的作用

5．2IP代理使用方法

5．3搭建IP池

5．3．1获取单页IP

5．3．2获取多页IP

5．3．3检测IP有效性

5．3．4建立IP池

5．4付费IP代理使用

第6章Selenium库

6．1Selenium安装及环境配置

6．1．1Selenium安装

6．1．2环境配置

6．1．3环境测试

6．2Selenium简单使用及配置

6．2．1打开网页

6．2．2规避伪装机制

6．2．3常见的配置项

6．3Selenium的元素定位操作

6．3．1查看页面元素

6．3．2通过ID定位元素

6．3．3通过name定位元素

6．3．4通过class定位元素

6．3．5通过tag定位元素

6．3．6通过link定位元素

6．3．7通过partial_link定位元素

6．3．8通过XPath定位元素

6．3．9通过CSS定位元素

6．3．10通过By定位元素

6．4Selenium等待机制

6．4．1固定等待

6．4．2隐式等待

6．4．3显式等待WebDriverWait

6．5Selenium控制浏览器

6．5．1浏览器的常见操作

6．5．2不同窗口之间切换

6．5．3鼠标事件

6．5．4键盘事件

6．5．5定位Frame/IFrame

6．5．6页面下拉

6．5．7窗口截图

6．5．8文件上传

6．6Selenium爬虫案例

6．6．1单页爬取案例

6．6．2多页爬取案例

第7章Requests与Selenium结合使用

7．1Selenium模拟登录

7．1．1Selenium程序模拟登录

7．1．2手动输入数据模拟登录

7．2Cookie与Session机制

7．2．1Cookie机制

7．2．2Session机制

7．3Requests、Cookie、Selenium结合使用

7．4Selenium和Requests结合下载音乐

7．4．1单首音乐下载

7．4．2多首音乐下载

第8章异步爬虫

8．1基本概念

8．2串行下载多个视频

8．3使用线程池下载多个视频

8．3．1Multiprocessing

8．3．2Threading

8．4使用协程下载多个视频

第9章正则表达式

9．1正则函数

9．1．1re．match函数

9．1．2re．search函数

9．1．3re．sub函数

9．1．4re．compile函数

9．1．5re．findall函数

9．1．6re．finditer函数

9．1．7re．split函数

9．2正则表达式模式及实例

9．3正则表达式实例

9．3．1匹配字符串

9．3．2匹配字符组

9．3．3区间匹配

9．3．4特殊字符匹配

9．3．5取反

9．3．6快捷匹配数字和字符

9．3．7匹配空白字符

9．3．8单词边界

9．3．9快捷方式取反

9．3．10开始和结束

9．3．11匹配任意字符

9．3．12可选字符

9．3．13重复

9．3．14重复区间

9．3．15开闭区间

9．4正则表达式进阶

9．4．1分组

9．4．2或者条件

9．4．3分组的回溯引用

9．4．4断言

第10章数据清洗

10．1数据分析流程

10．2数据清洗的概念及流程

10．3数据清洗常用方法

10．3．1读取数据

10．3．2初步探索数据

10．3．3简单处理数据

10．3．4重复值处理

10．3．5异常值处理

10．3．6处理缺失值

10．3．7爬取数据

10．3．8增加特征值

10．3．9格式与内容清洗

10．3．10数据持久化保存

第11章综合爬虫案例

11．1数据爬取

11．1．1单线程爬取“前程无忧”

11．1．2多线程爬取“英才网”

11．1．3多线程爬取“前程无忧”

11．2简单数据清洗

11．2．1导入库

11．2．2初识数据

11．2．3简单数据处理

11．2．4处理重复值

11．2．5处理空值

11．2．6字段内容清洗

11．2．7提取并增加特征值

11．2．8处理异常值

11．2．9数据保存

参考文献