《Python网络爬虫从入门到实践》内容简介

本书将介绍如何使用Python编写网络爬虫程序获取互联网上的大数据。
本书包括三部分内容：基础部分、进阶部分和项目实践。
基础部分（第1~6章）主要介绍爬虫的三个步骤（获取网页、解析网页和存储数据），并通过诸多示例的讲解，让读者从基础内容开始系统性地学习爬虫技术，并在实践中提升Python爬虫水平。
进阶部分（第7~12章）包括多线程的并发和并行爬虫、分布式爬虫、更换IP等，帮助读者进一步提升爬虫水平。
项目实践部分（第13~16章）使用本书介绍的爬虫技术对几个真实的网站进行抓取，让读者能在读完本书后根据自己的需求写出爬虫程序。
无论是否有编程基础，只要是对爬虫技术感兴趣的读者，本书就能带领读者从入门到进阶，再到实战，一步步了解爬虫，终写出自己的爬虫程序。
唐松，陈智铨 编著。

作品目录

推荐序一
推荐序二
前言一
前言二
第1章：网络爬虫入门
1.1、为什么要学网络爬虫
1.2、网络爬虫是否合法
1.3、网络爬虫的基本议题
第2章：编写第一个网络爬虫
2.1、搭建Python平台
2.2、Python使用入门
2.3、编写第一个简单的爬虫
2.4、Python实践：基础巩固
第3章：静态网页抓取
3.1、安装Requests
3.2、获取响应内容
3.3、定制Requests
3.4、Requests爬虫实践：TOP250电影数据
第4章：动态网页抓取
4.1、动态抓取的实例
4.2、解析真实地址抓取
4.3、通过Selenium模拟浏览器抓取
4.4、Selenium爬虫实践：深圳短租数据
第5章：解析网页
5.1、使用正则表达式解析网页
5.2、使用BeautifulSoup解析网页
5.3、使用lxml解析网页
5.4、总结
5.5、BeautifulSoup爬虫实践：房屋价格数据
第6章：数据存储
6.1、基本存储：存储至TXT或CSV
6.2、存储至MySQL数据库
6.3、存储至MongoDB数据库
6.4、总结
6.5、MongoDB爬虫实践：虎扑论坛
第7章：提升爬虫的速度
7.1、并发和并行，同步和异步
7.2、多线程爬虫
7.3、多进程爬虫
7.4、多协程爬虫
7.5、总结
第8章：反爬虫问题
8.1、为什么会被反爬虫
8.2、反爬虫的方式有哪些
8.3、如何“反反爬虫”
8.4、总结
第9章：解决中文乱码
9.1、什么是字符编码
9.2、Python的字符编码
9.3、解决中文编码问题
9.4、总结
第10章：登录与验证码处理
10.1、处理登录表单
10.2、验证码的处理
10.3、总结
第11章：服务器采集
11.1、为什么使用服务器采集
11.2、使用动态IP拨号服务器
11.3、使用Tor代理服务器
第12章：分布式爬虫
12.1、安装Redis
12.2、修改Redis配置
12.3、Redis分布式爬虫实践
12.4、总结
第13章：爬虫实践一：维基百科
13.1、项目描述
13.2、网站分析
13.3、项目实施：深度优先的递归爬虫
13.4、项目进阶：广度优先的多线程爬虫
13.5、总结
第14章：爬虫实践二：知乎Live
14.1、项目描述
14.2、网站分析
14.3、项目实施
14.4、总结
第15章：爬虫实践三：百度地图API
15.1、项目描述
15.2、获取API秘钥
15.3、项目实施
15.4、总结
第16章：爬虫实践四：餐厅点评
16.1、项目描述
16.2、网站分析
16.3、项目实施
16.4、总结