Python网络爬虫技术（第2版）（微课版）

图书介绍

本书全面贯彻二十大报告精神，坚持为党育人、为国育才为己任，以社会主义核心价值观为指引，尊重人才培养时代性、规律性、创造性，教材内容契合“1+X”证书制度试点工作中的大数据应用开发（Python）职业技能中级证书考核标准。全书站在初学者的角度，以项目为导向，将Python爬虫常用技术和真实项目相结合，循序渐进地讲解学习网络爬虫必备的基础知识，以及一些爬虫库、框架的基本用法。全书设计思路以应用为中心，每一章都围绕一个项目展开，让读者明确如何利用所学知识来解决问题，通过实训和课后练习巩固所学知识，使读者真正理解并能够应用所学知识。全书大部分章节紧扣任务需求展开，不堆积知识点，着重于思路的启发与解决方案的实施。通过从任务需求到实现这一完整工作流程的体验，读者将对Python网络爬虫技术真正理解与掌握。

本书提供AI答疑，读者可以扫码与AI助手对话。

图书目录

项目1 了解爬虫与Python爬虫环境

【项目背景】
【学习目标】
【思维导图】
任务1.1 认识爬虫
       1.1.1 爬虫的概念
       1.1.2 爬虫的原理
       1.1.3 爬虫的合法性与robots协议
任务1.2 认识反爬虫
       1.2.1 网站反爬虫的目的与手段
       1.2.2 爬取策略制定
任务1.3 配置Python爬虫环境
       1.3.1 配置PyCharm
       1.3.2 Python爬虫相关库介绍与配置
       1.3.3 配置MySQL数据库
       1.3.4 配置MongoDB数据库
小结
实训 Python爬虫环境配置
思考题
课后习题

项目2 爬虫基础知识准备

【项目背景】
【学习目标】
【思维导图】
任务2.1 认识网页基础
       2.1.1 了解网页开发技术
       2.1.2 了解网页的结构
       2.1.3 了解网页的分类
       2.1.4 了解网页的数据结构
任务2.2 认识HTTP
       2.2.1 熟悉HTTP请求方法与过程
       2.2.2 熟悉常见HTTP状态码
       2.2.3 熟悉HTTP头部信息
       2.2.4 熟悉Cookie
小结
实训
       实训1 创建一个简单的网页文件
       实训2 访问网站并查看请求和响应信息
思考题
课后习题

项目3 简单静态网页爬取—获取某企业官网基本信息

【项目背景】
【学习目标】
【思维导图】
任务3.1 实现HTTP请求
       3.1.1 使用Chrome开发者工具查看网页
       3.1.2 使用urllib 3库实现
       3.1.3 使用Requests库实现
任务3.2 解析网页
       3.2.1 使用Xpath解析网页
       3.2.2 使用Beautiful Soup库解析网页
       3.2.3 使用正则表达式解析网页
任务3.3 数据存储
       3.3.1 将数据存储为JSON文件
       3.3.2 将数据存储到MySQL数据库
小结
实训
       实训1 生成GET请求并获取指定网页内容
       实训2 搜索目标节点并提取文本内容
       实训3 在数据库中建立新表并导入数据
思考题
课后习题

项目4 爬取动态网页——获取图书基本信息

【项目背景】
【学习目标】
【思维导图】
任务4.1 逆向分析爬取动态网页
       4.1.1 判别网页类型
       4.1.2 获取动态网页信息
任务4.2 使用Selenium库爬取动态网页
       4.2.1 安装Selenium库及下载浏览器驱动
       4.2.2 打开浏览对象并访问页面
       4.2.3 元素选取
       4.2.4 元素交互
       4.2.5 页面操作
       4.2.6 页面等待
任务4.3 存储数据至MongoDB数据库
       4.3.1 MongoDB数据库和MySQL数据库的区别
       4.3.2 将数据存储到MongoDB数据库
小结
实训
       实训1 生成GET请求并获取指定网页内容
       实训2 搜索目标节点并提取文本内容
思考题
课后习题

项目5 模拟登录—登录某企业官网

【项目背景】
【学习目标】
【思维导图】
任务5.1 使用表单登录方法实现模拟登录
       5.1.1 查找提交入口
       5.1.2 查找并获取需要提交的表单数据
       5.1.3 使用POST请求方法登录
任务5.2 使用Cookie登录方法实现模拟登录
       5.2.1 使用浏览器Cookie登录
       5.2.2 基于表单登录的Cookie登录
小结
实训
       实训1 使用表单登录方法模拟登录古诗文网
       实训2 使用浏览器Cookie模拟登录古诗文网
       实训3 基于表单登录后的Cookie模拟登录古诗文网
思考题
课后习题

项目6 终端协议分析——获取某音乐PC客户端和APP数据

【项目背景】
【学习目标】
【思维导图】
任务6.1 分析PC客户端抓包
       6.1.1 了解HTTP Analyzer工具
       6.1.2 爬取酷我音乐PC客户端数据
任务6.2 分析App抓包
       6.2.1 了解Fiddler工具
       6.2.2 分析酷我音乐App
小结
实训
       实训1 抓取酷我音乐PC客户端的推荐歌曲信息
       实训2 监控朴朴超市商品实时价格
思考题
课后习题

项目7 使用Scrapy爬虫——爬取某企业官网新闻动态

【项目背景】
【学习目标】
【思维导图】
任务7.1 认识Scrapy
       7.1.1 了解Scrapy爬虫框架
       7.1.2 熟悉Scrapy常用命令
任务7.2 通过Scrapy爬取文本信息
       7.2.1 创建Scrapy爬虫项目
       7.2.2 修改items/pipelines脚本
       7.2.3 编写spider脚本
       7.2.4 修改settings脚本
任务7.3 定制中间件
       7.3.1 定制下载器中间件
       7.3.2 定制Spider中间件
小结
实训
       实训1 爬取“http://www.tipdm.org”的所有新闻动态
       实训2 定制BdRaceNews爬虫项目的中间件
       实训3 爬取猫眼电影“https://maoyan.com/board/4”的影片信息
       实训4 配置Maoyan100爬虫项目的设置文件
思考题
课后习题