Python網(wǎng)絡(luò)爬蟲技術(shù)手冊：基礎(chǔ)·實戰(zhàn)·強化

《Python網(wǎng)絡(luò)爬蟲技術(shù)手冊：基礎(chǔ)·實戰(zhàn)·強化》是“計算機科學(xué)與技術(shù)手冊系列”圖書之一，該系列圖書內(nèi)容全面，以理論聯(lián)系實際、能學(xué)到并做到為宗旨，以技術(shù)為核心，以案例為輔助，引領(lǐng)讀者全面學(xué)習(xí)基礎(chǔ)技術(shù)、代碼編寫方法和具體應(yīng)用項目，旨在為想要進(jìn)入相應(yīng)領(lǐng)域或者已經(jīng)在該領(lǐng)域深耕多年的技術(shù)人員提供新而全的技術(shù)性內(nèi)容及案例。
本書是一本側(cè)重編程基礎(chǔ)+實踐的Python爬蟲圖書，從基礎(chǔ)、實戰(zhàn)、強化三個層次循序漸進(jìn)地介紹了網(wǎng)絡(luò)爬蟲入門必備知識：基礎(chǔ)篇主要講解網(wǎng)絡(luò)爬蟲的基礎(chǔ)內(nèi)容；實戰(zhàn)篇主要講解目前應(yīng)用最廣的各類數(shù)據(jù)庫爬蟲相關(guān)技術(shù)和案例；強化篇結(jié)合數(shù)據(jù)庫、數(shù)據(jù)分析、可視化等進(jìn)行大型項目綜合實戰(zhàn)練習(xí)。本書內(nèi)容充實，給讀者提供了較為豐富全面的技術(shù)支持和案例強化，通過各種示例將學(xué)習(xí)與應(yīng)用相結(jié)合，打造輕松學(xué)習(xí)、零壓力學(xué)習(xí)的環(huán)境，通過案例對所學(xué)知識進(jìn)行綜合應(yīng)用，通過開發(fā)實際項目將網(wǎng)絡(luò)爬蟲的各項技能應(yīng)用到實際工作中，幫助讀者實現(xiàn)學(xué)以致用，快速掌握網(wǎng)絡(luò)爬蟲的各項技能。
本書提供豐富的資源，包含109個實例、13個實戰(zhàn)案例、2個應(yīng)用強化項目，力求為讀者打造一本基礎(chǔ)+實戰(zhàn)+強化一體化的、精彩的Python網(wǎng)絡(luò)爬蟲圖書。
本書不僅適合初學(xué)者、數(shù)據(jù)采集相關(guān)技術(shù)人員、對數(shù)據(jù)感興趣的人員，而且適合從事其他崗位想掌握一定的數(shù)據(jù)采集能力的職場人員閱讀參考。

從工業(yè)4.0到“十四五”規(guī)劃，我國信息時代正式踏上新的階梯，電子設(shè)備已經(jīng)普及，在人們的日常生活中隨處可見。信息社會給人們帶來了極大的便利，信息捕獲、信息處理分析等在各個行業(yè)得到普遍應(yīng)用，推動整個社會向前穩(wěn)固發(fā)展。
計算機設(shè)備和信息數(shù)據(jù)的相互融合，對各個行業(yè)來說都是一次非常大的進(jìn)步，已經(jīng)滲入到工業(yè)、農(nóng)業(yè)、商業(yè)、軍事等領(lǐng)域，同時其相關(guān)應(yīng)用產(chǎn)業(yè)也得到一定發(fā)展。就目前來看，各類編程語言的發(fā)展、人工智能相關(guān)算法的應(yīng)用、大數(shù)據(jù)時代的數(shù)據(jù)處理和分析都是計算機科學(xué)領(lǐng)域各大高校、各個企業(yè)在不斷攻關(guān)的難題，是挑戰(zhàn)也是機遇。因此，我們策劃編寫了“計算機科學(xué)與技術(shù)手冊系列”圖書，旨在為想要進(jìn)入相應(yīng)領(lǐng)域的初學(xué)者或者已經(jīng)在該領(lǐng)域深耕多年的從業(yè)者提供新而全的技術(shù)性內(nèi)容，以及豐富、典型的實戰(zhàn)案例。
現(xiàn)如今大數(shù)據(jù)已經(jīng)滲透到每一個行業(yè)當(dāng)中，成為重要的生產(chǎn)因素。由于人們不斷對海量數(shù)據(jù)的挖掘與運用，爬蟲工程師在互聯(lián)網(wǎng)數(shù)據(jù)公司中占據(jù)非常重要的地位。
可以制作爬蟲的編程語言有多種，其中最受歡迎的便是Python編程語言，該語言簡單、易學(xué)，并且支持多種第三方模塊，使得其應(yīng)用范圍越來越廣。本書側(cè)重網(wǎng)絡(luò)爬蟲的編程基礎(chǔ)與實踐，為保證讀者學(xué)以致用，在實踐方面循序漸進(jìn)地進(jìn)行3個層次的篇章介紹，即基礎(chǔ)篇、實戰(zhàn)篇和強化篇。
本書內(nèi)容
全書共分為31章，主要通過“基礎(chǔ)篇（16章）+實戰(zhàn)篇（13章）+強化篇（2章）”三大維度一體化的講解方式，具體的學(xué)習(xí)結(jié)構(gòu)如下圖所示。
本書特色
1.突出重點、學(xué)以致用
書中每個知識點都結(jié)合了簡單、易懂的示例代碼以及非常詳細(xì)的注釋信息，力求讀者能夠快速理解所學(xué)知識，提高學(xué)習(xí)效率，縮短學(xué)習(xí)路徑。
實例代碼與運行結(jié)果
2.提升思維、綜合運用
本書以知識點綜合運用的方式，帶領(lǐng)讀者學(xué)習(xí)各種趣味性較強的爬蟲案例，讓讀者不斷提升編寫網(wǎng)絡(luò)爬蟲的思維，還可以快速提升對知識點的綜合運用能力，讓讀者能夠回顧以往所學(xué)的知識點，并結(jié)合新的知識點進(jìn)行綜合應(yīng)用。
3.綜合技術(shù)、實際項目
本書在強化篇中提供了兩個貼近生活應(yīng)用的項目，力求通過實際應(yīng)用使讀者更容易地掌握爬蟲技術(shù)與應(yīng)對業(yè)務(wù)的需求。爬蟲項目都是根據(jù)實際開發(fā)經(jīng)驗總結(jié)而來的，包含了在實際開發(fā)中所遇到的各種問題。項目結(jié)構(gòu)清晰、擴展性強，讀者可根據(jù)個人需求進(jìn)行擴展開發(fā)。
4.精彩欄目、貼心提示
本書根據(jù)實際學(xué)習(xí)的需要，設(shè)置了“注意”“說明”等許多貼心的小欄目，輔助讀者輕松理解所學(xué)知識，規(guī)避編程陷阱。
本書由明日科技的Python開發(fā)團隊策劃并組織編寫，主要編寫人員有李磊、王國輝、高春艷、馮春龍、李再天、王小科、賽奎春、申小琦、趙寧、張鑫、周佳星、楊柳、葛忠月、李春林、宋萬勇、張寶華、楊麗、劉媛媛、龐鳳、胡冬、梁英、譚暢、何平、李菁菁、依瑩瑩、宋磊等。在編寫本書的過程中，我們本著科學(xué)、嚴(yán)謹(jǐn)?shù)膽B(tài)度，力求精益求精，但疏漏之處在所難免，敬請廣大讀者批評斧正。
感謝您閱讀本書，希望本書能成為您編程路上的領(lǐng)航者。
祝您讀書快樂！

編著者

第1篇　基礎(chǔ)篇
第1章 爬蟲基礎(chǔ)
1.1 什么是網(wǎng)絡(luò)爬蟲 2
1.2 網(wǎng)絡(luò)爬蟲的分類 3
1.3 網(wǎng)絡(luò)爬蟲的原理 3
1.4 HTTP基本原理 3
1.4.1 什么是URL 3
1.4.2 HTTP協(xié)議 4
1.4.3 HTTP與Web服務(wù)器 4
1.4.4 瀏覽器中的請求和響應(yīng) 5
1.5 網(wǎng)頁的基本結(jié)構(gòu) 6
1.5.1 了解HTML 6
1.5.2 了解CSS 6
1.5.3 了解JavaScript 8

第2章 搭建網(wǎng)絡(luò)爬蟲開發(fā)環(huán)境
2.1 Anaconda的安裝 10
2.2 下載與安裝PyCharm 13
2.3 配置PyCharm 16
2.4 測試PyCharm 18

第3章 網(wǎng)絡(luò)請求urllib模塊
3.1 了解urllib 20
3.2 發(fā)送網(wǎng)絡(luò)請求 20
3.2.1 發(fā)送GET請求 21
實例3.1 演示常用的方法與屬性 21
3.2.2 發(fā)送POST請求 22
實例3.2 發(fā)送POST請求 22
3.2.3 請求超時 22
實例3.3 處理網(wǎng)絡(luò)超時 23
3.2.4 設(shè)置請求頭 23
實例3.4 設(shè)置請求頭 24
3.2.5 獲取與設(shè)置Cookie 25
實例3.5 模擬登錄 25
實例3.6 獲取Cookie 27
實例3.7 保存Cookie文件 27
實例3.8 獲取登錄后頁面中的信息 28
3.2.6 代理IP的設(shè)置 29
實例3.9 設(shè)置代理IP 29
3.3 處理請求異常 29
實例3.10 處理URLError異常 29
實例3.11 使用HTTPError類捕獲異常 30
實例3.12 雙重異常的捕獲 31
3.4 解析URL 31
3.4.1 URL的拆分（urlparse、urlsplit） 31
實例3.13 使用urlparse()方法拆分URL 32
實例3.14 使用urlsplit()方法拆分URL 32
3.4.2 URL的組合（urlunparse、urlunsplit） 33
實例3.15 使用urlunparse()方法組合URL 33
實例3.16 使用urlunsplit()方法組合URL 34
3.4.3 URL的連接（urljoin） 34
實例3.17 使用urljoin()方法連接URL 34
3.4.4 URL的編碼與解碼（urlencode、quote、unquote） 35
實例3.18 使用urlencode()方法編碼請求參數(shù) 35
實例3.19 使用quote()方法編碼字符串參數(shù) 35
實例3.20 使用unquote()方法解碼請求參數(shù) 36
3.4.5 URL的參數(shù)轉(zhuǎn)換 36
實例3.21 使用parse_qs()方法將參數(shù)轉(zhuǎn)換為字典類型 36
實例3.22 使用parse_qsl()方法將參數(shù)轉(zhuǎn)換為元組所組成的列表 36
3.5 綜合案例——爬取“百度熱搜” 37
3.5.1 分析數(shù)據(jù) 37
3.5.2 實現(xiàn)網(wǎng)絡(luò)爬蟲 37
3.6 實戰(zhàn)練習(xí) 39

第4章 網(wǎng)絡(luò)請求urllib3模塊
4.1 了解urllib3 40
4.2 發(fā)送網(wǎng)絡(luò)請求 41
4.2.1 發(fā)送GET請求 41
實例4.1 發(fā)送GET請求 41
實例4.2 發(fā)送多個請求 41
4.2.2 發(fā)送POST請求 42
實例4.3 發(fā)送POST請求 42
4.2.3 重試請求 43
實例4.4 重試請求 43
4.2.4 獲得響應(yīng)內(nèi)容 43
實例4.5 獲取響應(yīng)頭信息 43
實例4.6 處理服務(wù)器返回的JSON信息 44
實例4.7 處理服務(wù)器返回二進(jìn)制數(shù)據(jù) 44
4.2.5 設(shè)置請求頭 45
實例4.8 設(shè)置請求頭 45
4.2.6 設(shè)置超時 46
實例4.9 設(shè)置超時 46
4.2.7 設(shè)置代理IP 47
實例4.10 設(shè)置代理IP 47
4.3 上傳文件 47
實例4.11 上傳文本文件 47
實例4.12 上傳圖片文件 48
4.4 綜合案例——爬取必應(yīng)壁紙 48
4.4.1 分析數(shù)據(jù) 48
4.4.2 實現(xiàn)網(wǎng)絡(luò)爬蟲 49
4.5 實戰(zhàn)練習(xí) 51

第5章 網(wǎng)絡(luò)請求requests模塊
5.1 基本請求方式 52
5.1.1 發(fā)送GET請求 53
實例5.1 發(fā)送GET請求不帶參數(shù) 53
5.1.2 設(shè)置編碼 53
實例5.2 獲取網(wǎng)頁源碼 53
5.1.3 二進(jìn)制數(shù)據(jù)的爬取 54
實例5.3 下載百度logo圖片 54
5.1.4 發(fā)送GET（帶參數(shù)）請求 54
5.1.5 發(fā)送POST請求 55
實例5.4 發(fā)送POST請求 55
5.2 高級請求方式 56
5.2.1 設(shè)置請求頭 56
實例5.5 設(shè)置請求頭 56
5.2.2 Cookie的驗證 57
實例5.6 模擬豆瓣登錄 57
5.2.3 會話請求 58
實例5.7 會話請求 58
5.2.4 驗證請求 58
實例5.8 驗證請求 59
5.2.5 網(wǎng)絡(luò)超時與異常 59
實例5.9 網(wǎng)絡(luò)超時與異常 59
實例5.10 判斷網(wǎng)絡(luò)異常 60
5.2.6 文件上傳 60
實例5.11 上傳圖片文件 60
5.2.7 代理的應(yīng)用 61
實例5.12 使用代理IP發(fā)送請求 61
5.3 綜合案例——爬取糗事百科（視頻） 62
5.3.1 分析數(shù)據(jù) 62
5.3.2 實現(xiàn)爬蟲 63
5.4 實戰(zhàn)練習(xí) 64

第6章 requests模塊的兩大擴展
6.1 安裝requests-cache模塊 65
6.2 爬蟲緩存的應(yīng)用 66
6.3 多功能requests-html模塊 68
6.3.1 發(fā)送網(wǎng)絡(luò)請求 68
6.3.2 提取數(shù)據(jù) 70
實例6.1 爬取即時新聞 70
6.3.3 獲取動態(tài)渲染的數(shù)據(jù) 73
實例6.2 獲取動態(tài)渲染的數(shù)據(jù) 73
6.4 綜合案例——爬取百度天氣 75
6.4.1 分析數(shù)據(jù) 75
6.4.2 實現(xiàn)爬蟲 76
6.5 實戰(zhàn)練習(xí) 77

第7章 正則表達(dá)式解析
7.1 通過search()匹配字符串 78
7.1.1 匹配指定開頭的字符串 79
實例7.1 搜索第一個以“mr_”開頭的字符串 79
7.1.2 可選匹配字符串中的內(nèi)容 79
實例7.2 可選匹配字符串中的內(nèi)容 79
7.1.3 使用“b”匹配字符串的邊界 80
實例7.3 使用“b”匹配字符串的邊界 80
7.2 通過findall()匹配字符串 80
7.2.1 匹配所有以指定字符開頭的字符串 81
實例7.4 匹配所有以“mr_”開頭的字符串 81
7.2.2 貪婪匹配法 81
實例7.5 使用“.*”實現(xiàn)貪婪匹配字符串 81
7.2.3 非貪婪匹配法 82
實例7.6 使用“.*？”實現(xiàn)非貪婪匹配字符串 82
7.3 處理字符串 83
7.3.1 使用sub()方法替換字符串 83
實例7.7 使用sub()方法替換字符串 83
7.3.2 使用split()方法分割字符串 84
實例7.8 使用split()方法分割字符串 84
7.4 綜合案例——爬取QQ音樂熱歌榜 85
7.4.1 分析數(shù)據(jù) 85
7.4.2 實現(xiàn)爬蟲 85
7.5 實戰(zhàn)練習(xí) 86

第8章 lxml解析模塊
8.1 了解XPath 87
8.2 XPath的基本操作 88
8.2.1 HTML的解析 88
實例8.1 解析本地的HTML文件 88
實例8.2 解析字符串類型的HTML代碼 88
實例8.3 解析服務(wù)器返回的HTML代碼 89
8.2.2 獲取所有標(biāo)簽 90
實例8.4 獲取HTML代碼的所有標(biāo)簽 90
8.2.3 獲取子標(biāo)簽 91
實例8.5 獲取一個標(biāo)簽中的子標(biāo)簽 91
實例8.6 獲取子孫標(biāo)簽 92
8.2.4 獲取父標(biāo)簽 92
實例8.7 獲取一個標(biāo)簽的父標(biāo)簽 92
8.2.5 獲取文本 93
實例8.8 獲取HTML代碼中的文本 93
8.2.6 屬性匹配 94
實例8.9 使用“【@...】”實現(xiàn)標(biāo)簽屬性的匹配 94
實例8.10 屬性多值匹配 94
實例8.11 一個標(biāo)簽中多個屬性的匹配 95
8.2.7 獲取屬性值 96
實例8.12 獲取屬性所對應(yīng)的值 96
實例8.13 使用索引按序獲取屬性對應(yīng)的值 97
8.2.8 使用標(biāo)簽軸獲取標(biāo)簽內(nèi)容 98
實例8.14 使用標(biāo)簽軸的方式獲取標(biāo)簽內(nèi)容 98
8.3 綜合案例——爬取豆瓣新書速遞 99
8.3.1 分析數(shù)據(jù) 99
8.3.2 實現(xiàn)爬蟲 99
8.4 實戰(zhàn)練習(xí) 100

第9章 BeautifulSoup解析模塊
9.1 BeautifulSoup的基礎(chǔ)應(yīng)用  101
9.1.1 安裝BeautifulSoup 101
9.1.2 解析器的區(qū)別 102
9.1.3 解析HTML 103
實例9.1 解析HTML代碼 103
9.2 獲取標(biāo)簽內(nèi)容 103
9.2.1 獲取標(biāo)簽對應(yīng)的代碼 104
實例9.2 獲取標(biāo)簽對應(yīng)的代碼 104
9.2.2 獲取標(biāo)簽屬性 105
實例9.3 獲取標(biāo)簽屬性 105
9.2.3 獲取標(biāo)簽內(nèi)的文本 106
9.2.4 嵌套獲取標(biāo)簽內(nèi)容 106
實例9.4 嵌套獲取標(biāo)簽內(nèi)容 106
9.2.5 關(guān)聯(lián)獲取 107
實例9.5 獲取子標(biāo)簽 107
實例9.6 獲取子孫標(biāo)簽 108
實例9.7 獲取父標(biāo)簽 109
實例9.8 獲取兄弟標(biāo)簽 109
9.3 利用方法獲取內(nèi)容 111
9.3.1 find_all()方法 111
實例9.9 find_all(name)通過標(biāo)簽名稱獲取內(nèi)容 111
實例9.10 find_all(attrs)通過指定屬性獲取內(nèi)容 112
實例9.11 find_all(text)獲取標(biāo)簽中的文本 112
9.3.2 find()方法 113
實例9.12 獲取第一個匹配的標(biāo)簽內(nèi)容 113
9.3.3 其他方法 114
9.4 CSS選擇器 114
實例9.13 使用CSS選擇器獲取標(biāo)簽內(nèi)容 115
9.5 綜合案例——爬取百度貼吧（熱議榜） 116
9.5.1 分析數(shù)據(jù) 116
9.5.2 實現(xiàn)爬蟲 116
9.6 實戰(zhàn)練習(xí) 117

第10章 爬取動態(tài)渲染的數(shù)據(jù)
10.1 selenium模塊 118
10.1.1 配置selenium環(huán)境 118
10.1.2 下載瀏覽器驅(qū)動 119
10.1.3 selenium的應(yīng)用 119
實例10.1 獲取京東商品信息 119
10.1.4 selenium的常用方法 120
10.2 Splash服務(wù) 121
10.2.1 搭建Splash環(huán)境 122
10.2.2 Splash的API接口 123
實例10.2 獲取百度首頁logo圖片的鏈接 123
實例10.3 獲取百度首頁截圖 124
實例10.4 獲取請求頁面的json信息 125
10.2.3 自定義lua腳本 125
實例10.5 獲取百度渲染后的HTML代碼 125
10.3 綜合案例——爬取豆瓣閱讀（連載榜） 127
10.3.1 分析數(shù)據(jù) 127
10.3.2 實現(xiàn)爬蟲 128
10.4 實戰(zhàn)練習(xí) 128

第11章 數(shù)據(jù)清洗與文件存儲
11.1 使用pandas進(jìn)行數(shù)據(jù)清洗 130
11.1.1 常見的兩種數(shù)據(jù)結(jié)構(gòu) 130
11.1.2 pandas數(shù)據(jù)的基本操作 134
11.1.3 處理NaN數(shù)據(jù) 138
11.1.4 重復(fù)數(shù)據(jù)的篩選 140
11.2 常見文件的基本操作 142
11.2.1 存取TXT文件 142
實例11.1 TXT文件存儲 143
實例11.2 讀取message.txt文件中的前9個字符 143
實例11.3 從文件的第14個字符開始讀取8個字符 144
實例11.4 讀取一行 144
實例11.5 讀取全部行 145
11.2.2 存取CSV文件 146
11.2.3 存取Excel文件 148
11.3 綜合案例——爬取豆瓣小組（討論精選） 148
11.3.1 分析數(shù)據(jù) 149
11.3.2 實現(xiàn)爬蟲 149
11.4 實戰(zhàn)練習(xí) 149

第12章 數(shù)據(jù)庫存儲
12.1 SQLite數(shù)據(jù)庫 151
12.1.1 創(chuàng)建數(shù)據(jù)庫文件 151
12.1.2 操作SQLite 152
12.2 MySQL數(shù)據(jù)庫 153
12.2.1 下載MySQL 153
12.2.2 安裝MySQL服務(wù)器 154
12.2.3 配置MySQL 158
12.2.4 安裝PyMySQL數(shù)據(jù)庫操作模塊 159
12.2.5 數(shù)據(jù)庫的連接 160
實例12.1 連接數(shù)據(jù)庫 160
12.2.6 數(shù)據(jù)表的創(chuàng)建 160
實例12.2 創(chuàng)建數(shù)據(jù)表 161
12.2.7 數(shù)據(jù)表的基本操作 161
實例12.3 操作數(shù)據(jù)表 161
12.3 綜合案例——爬取下廚房（家常菜單） 162
12.3.1 分析數(shù)據(jù) 162
12.3.2 實現(xiàn)爬蟲 162
12.4 實戰(zhàn)練習(xí) 164

第13章 App抓包
13.1 下載與安裝Charles抓包工具  165
13.2 PC端證書的安裝 167
13.3 設(shè)置SSL代理 169
13.4 網(wǎng)絡(luò)配置 169
13.5 手機證書的安裝 170
13.6 綜合案例——抓取手機微信新聞的地址 172
13.7 實戰(zhàn)練習(xí) 173

第14章 驗證碼識別
14.1 字符驗證碼 174
14.1.1 配置OCR 174
14.1.2 下載驗證碼圖片 175
實例14.1 下載驗證碼圖片 175
14.1.3 識別圖片驗證碼 176
實例14.2 識別圖片驗證碼 176
14.2 第三方驗證碼識別 178
實例14.3 第三方打碼平臺 178
14.3 滑動拼圖驗證碼 181
實例14.4 滑動拼圖驗證碼 181
14.4 綜合案例——識別隨機生成的驗證碼 182
14.5 實戰(zhàn)練習(xí) 183

第15章 Scrapy爬蟲框架的基本應(yīng)用
15.1 了解Scrapy爬蟲框架 184
15.2 配置Scrapy爬蟲框架 185
15.2.1 使用Anaconda安裝Scrapy 185
15.2.2 Windows系統(tǒng)下配置Scrapy 186
15.3 Scrapy的基本用法 187
15.3.1 創(chuàng)建項目 187
15.3.2 創(chuàng)建爬蟲 188
實例15.1 爬取網(wǎng)頁代碼并保存HTML文件 188
15.3.3 提取數(shù)據(jù) 190
實例15.2 使用XPath表達(dá)式獲取多條信息 191
實例15.3 翻頁提取數(shù)據(jù) 191
實例15.4 包裝結(jié)構(gòu)化數(shù)據(jù) 192
15.4 綜合案例——爬取NBA得分排名 192
15.4.1 分析數(shù)據(jù) 193
15.4.2 實現(xiàn)爬蟲 193
15.5 實戰(zhàn)練習(xí) 194

第16章 Scrapy爬蟲框架的高級應(yīng)用
16.1 編寫Item Pipeline 195
16.1.1 Item Pipeline的核心方法 195
16.1.2 將信息存儲到數(shù)據(jù)庫中 196
實例16.1 將京東數(shù)據(jù)存儲至數(shù)據(jù)庫 196
16.2 文件下載 199
實例16.2 下載京東外設(shè)商品圖片 200
16.3 自定義中間件 201
16.3.1 設(shè)置隨機請求頭 201
實例16.3 設(shè)置隨機請求頭 202
16.3.2 設(shè)置Cookies 203
實例16.4 通過Cookies模擬自動登錄 204
16.3.3 設(shè)置代理IP 205
實例16.5 隨機代理中間件 206
16.4 綜合案例——爬取NBA球員資料 207
16.4.1 分析數(shù)據(jù) 207
16.4.2 實現(xiàn)爬蟲 208
16.5 實戰(zhàn)練習(xí) 211

第2篇　實戰(zhàn)篇
第17章 基于正則表達(dá)式爬取編程e學(xué)網(wǎng)視頻(requests+re)
17.1 案例效果預(yù)覽 213
17.2 案例準(zhǔn)備 214
17.3 業(yè)務(wù)流程 214
17.4 實現(xiàn)過程 214
17.4.1 查找視頻頁面 214
17.4.2 分析視頻地址 215
17.4.3 實現(xiàn)視頻下載 215

第18章 基于正則表達(dá)式爬取免費代理IP(requests+pandas+re+random)
18.1 案例效果預(yù)覽 217
18.2 案例準(zhǔn)備 218
18.3 業(yè)務(wù)流程 218
18.4 實現(xiàn)過程 219
18.4.1 分析請求地址 219
18.4.2 確認(rèn)數(shù)據(jù)所在位置 219
18.4.3 爬取代理IP并保存 220
18.4.4 檢測代理IP 221

第19章 基于beautifulsoup4爬取酷狗TOP500音樂榜單(requests+bs4+time+random)
19.1 案例效果預(yù)覽 224
19.2 案例準(zhǔn)備 225
19.3 業(yè)務(wù)流程 225
19.4 實現(xiàn)過程 225
19.4.1 分析每頁的請求地址 225
19.4.2 分析信息所在標(biāo)簽位置 226
19.4.3 編寫爬蟲代碼 227

第20章 基于beautifulsoup4爬取段子網(wǎng)(requests+beautifulsoup4+time+random)
20.1 案例效果預(yù)覽 229
20.2 案例準(zhǔn)備 230
20.3 業(yè)務(wù)流程 230
20.4 實現(xiàn)過程 230
20.4.1 分析每頁請求地址 230
20.4.2 分析詳情頁請求地址 231
20.4.3 確認(rèn)段子各種信息的HTML代碼位置 232
20.4.4 編寫爬蟲代碼 232

第21章 基于beautifulsoup4爬取汽車之家圖片(beautifulsoup4+Pillow+PyQt5+urllib)
21.1 案例效果預(yù)覽 234
21.2 案例準(zhǔn)備 235
21.3 業(yè)務(wù)流程 235
21.4 實現(xiàn)過程 236
21.4.1 登錄窗體 236
21.4.2 設(shè)計主窗體 237
21.4.3 編寫爬蟲 237
21.4.4 啟動爬蟲 239
21.4.5 查看原圖 241

第22章 使用多進(jìn)程爬取電影資源(requests+bs4+multiprocessing +re+time)
22.1 案例效果預(yù)覽 242
22.2 案例準(zhǔn)備 242
22.3 業(yè)務(wù)流程 243
22.4 實現(xiàn)過程 243
22.4.1 分析請求地址 243
22.4.2 爬取電影詳情頁地址 244
22.4.3 爬取電影信息與下載地址 245

第23章 基于多進(jìn)程實現(xiàn)二手房數(shù)據(jù)查詢(requests_html+pandas+matplotlib+multiprocessing)
23.1 案例效果預(yù)覽 248
23.2 案例準(zhǔn)備 249
23.3 業(yè)務(wù)流程 249
23.4 實現(xiàn)過程 250
23.4.1 確認(rèn)二手房數(shù)據(jù)位置 250
23.4.2 二手房數(shù)據(jù)的爬取 251
23.4.3 數(shù)據(jù)可視化顯示 253

第24章 基于動態(tài)渲染頁面爬取京東圖書銷量排行榜(requests_html+sqlite3+os)
24.1 案例效果預(yù)覽 256
24.2 案例準(zhǔn)備 257
24.3 業(yè)務(wù)流程 257
24.4 實現(xiàn)過程 257
24.4.1 分析請求地址 257
24.4.2 確認(rèn)數(shù)據(jù)在網(wǎng)頁HTML代碼中的位置 257
24.4.3 編寫爬蟲程序 258

第25章 爬取中關(guān)村在線中的手機數(shù)據(jù)(requests_html+pymysql+random+time)
25.1 案例效果預(yù)覽 260
25.2 案例準(zhǔn)備 260
25.3 業(yè)務(wù)流程 261
25.4 實現(xiàn)過程 261
25.4.1 分析手機主頁中每頁地址 261
25.4.2 分析每個手機的詳情頁地址 262
25.4.3 確認(rèn)詳情頁手機數(shù)據(jù)位置 262
25.4.4 創(chuàng)建MySQL數(shù)據(jù)表 262
25.4.5 編寫爬蟲程序 263

第26章 基于異步請求爬取北、上、廣、深租房信息(requests+lxml+pandas+aiohttp+asyncio)
26.1 案例效果預(yù)覽 267
26.2 案例準(zhǔn)備 267
26.3 業(yè)務(wù)流程 268
26.4 實現(xiàn)過程 268
26.4.1 獲取租房信息總頁數(shù) 268
26.4.2 確認(rèn)數(shù)據(jù)所在的HTML代碼位置 271
26.4.3 編寫爬蟲提取數(shù)據(jù) 272

第27章 基于XPath爬取豆瓣電影Top250(requests+lxml+time+random)
27.1 案例效果預(yù)覽 274
27.2 案例準(zhǔn)備 275
27.3 業(yè)務(wù)流程 275
27.4 實現(xiàn)過程 275
27.4.1 分析請求地址 275
27.4.2 分析信息位置 276
27.4.3 爬蟲代碼的實現(xiàn) 277

第28章 分布式爬取新聞數(shù)據(jù)(scrapy+ pymysql+scrapy-redis正則表達(dá)式)
28.1 案例效果預(yù)覽 279
28.2 案例準(zhǔn)備 280
28.3 業(yè)務(wù)流程 280
28.4 實現(xiàn)過程 280
28.4.1 Redis數(shù)據(jù)庫的安裝 280
28.4.2 安裝scrapy-redis模塊 281
28.4.3 分析請求地址 282
28.4.4 創(chuàng)建數(shù)據(jù)表（MySQL） 282
28.4.5 創(chuàng)建Scrapy項目 283
28.4.6 分布式爬蟲的啟動 286

第29章 微信智能機器人(Flask+小米球ngrok)
29.1 案例效果預(yù)覽 290
29.2 案例準(zhǔn)備 291
29.3 業(yè)務(wù)流程 291
29.4 微信公眾平臺開發(fā)必備 291
29.4.1 注冊訂閱號 291
29.4.2 公眾號基本配置 292
29.5 內(nèi)網(wǎng)穿透工具 293
29.5.1 內(nèi)網(wǎng)穿透工具簡介 293
29.5.2 下載安裝 293
29.5.3 測試外網(wǎng)域名 294
29.6 爬取糗事百科笑話 295
29.6.1 頁面分析 295
29.6.2 隨機爬取一條笑話 295
29.7 爬取天氣信息 296
29.7.1 頁面分析 296
29.7.2 爬取天氣信息 297
29.8 微信智能機器人的實現(xiàn) 298
29.8.1 校驗簽名 298
29.8.2 填寫配置信息 299
29.8.3 接收文本消息 299
29.8.4 整合笑話和天氣功能 300

第3篇　強化篇
第30章 電商管家(PyQt5+pyqt5-tools+requests+pymysql+matplotlib)
30.1 系統(tǒng)需求分析 303
30.1.1 系統(tǒng)概述 303
30.1.2 系統(tǒng)可行性分析 304
30.1.3 系統(tǒng)用戶角色分配 304
30.1.4 功能性需求分析 304
30.1.5 非功能性需求分析 304
30.2 系統(tǒng)設(shè)計 304
30.2.1 系統(tǒng)功能結(jié)構(gòu) 304
30.2.2 系統(tǒng)業(yè)務(wù)流程 305
30.2.3 系統(tǒng)預(yù)覽 305
30.3 系統(tǒng)開發(fā)必備 306
30.3.1 開發(fā)工具準(zhǔn)備 306
30.3.2 文件夾組織結(jié)構(gòu) 306
30.4 主窗體的UI設(shè)計 306
30.4.1 主窗體的布局 306
30.4.2 主窗體顯示效果 308
30.5 設(shè)計數(shù)據(jù)庫表結(jié)構(gòu) 308
30.6 爬取數(shù)據(jù) 309
30.6.1 獲取京東商品熱賣排行信息 309
30.6.2 獲取價格信息 313
30.6.3 獲取評價信息 314
30.6.4 定義數(shù)據(jù)庫操作文件 316
30.7 主窗體的數(shù)據(jù)展示 319
30.7.1 顯示前10名熱賣榜圖文信息 319
30.7.2 顯示關(guān)注商品列表 322
30.7.3 顯示商品分類比例餅圖 327
30.8 外設(shè)產(chǎn)品熱賣榜 330
30.9 商品預(yù)警 332
30.9.1 關(guān)注商品中、差評預(yù)警 332
30.9.2 關(guān)注商品價格變化預(yù)警 334
30.9.3 更新關(guān)注商品信息 336
30.10 系統(tǒng)功能 337

第31章 火車票智能分析工具(PyQt5+matplotlib +requests+json+sys+time)?
31.1 系統(tǒng)需求分析 339
31.1.1 系統(tǒng)概述 339
31.1.2 系統(tǒng)可行性分析 340
31.1.3 系統(tǒng)用戶角色分配 340
31.1.4 功能性需求分析 340
31.1.5 非功能性需求分析 340
31.2 系統(tǒng)設(shè)計 341
31.2.1 系統(tǒng)功能結(jié)構(gòu) 341
31.2.2 系統(tǒng)業(yè)務(wù)流程 341
31.2.3 系統(tǒng)預(yù)覽 341
31.3 系統(tǒng)開發(fā)必備 342
31.3.1 開發(fā)工具準(zhǔn)備 342
31.3.2 文件夾組織結(jié)構(gòu) 342
31.4 主窗體的UI設(shè)計 343
31.4.1 主窗體的布局 343
31.4.2 主窗體顯示效果 347
31.5 爬取數(shù)據(jù) 347
31.5.1 獲取請求地址與參數(shù) 347
31.5.2 下載數(shù)據(jù)文件 348
31.5.3 查詢所有車票信息 352
31.5.4 臥鋪票的查詢與分析 354
31.5.5 查詢車票起售時間 356
31.6 主窗體的數(shù)據(jù)顯示 358
31.6.1 車票查詢區(qū)域的數(shù)據(jù)顯示 358
31.6.2 臥鋪售票分析區(qū)域的數(shù)據(jù)顯示 364
31.6.3 臥鋪車票數(shù)量走勢圖的顯示 366
31.6.4 查詢車票起售時間的數(shù)據(jù)顯示 369

附錄
附錄1 數(shù)據(jù)解析速查表 371
附錄2 PyCharm 常用快捷鍵 377
附錄3 PyCharm 常用設(shè)置 378