目錄
項(xiàng)目1　了解爬蟲(chóng)與Python爬蟲(chóng)環(huán)境　1
【項(xiàng)目背景】　1
【學(xué)習(xí)目標(biāo)】　1
【思維導(dǎo)圖】　2
任務(wù)1.1　認(rèn)識(shí)爬蟲(chóng)　2
1.1.1　爬蟲(chóng)的概念　3
1.1.2　爬蟲(chóng)的原理　3
1.1.3　爬蟲(chóng)的合法性與robots協(xié)議　5
任務(wù)1.2　認(rèn)識(shí)反爬蟲(chóng)　7
1.2.1　網(wǎng)站反爬蟲(chóng)的目的與手段　8
1.2.2　爬取策略制定　9
任務(wù)1.3　配置Python爬蟲(chóng)環(huán)境　10
1.3.1　配置PyCharm　11
1.3.2　Python爬蟲(chóng)相關(guān)庫(kù)介紹與配置　20
1.3.3　配置MySQL數(shù)據(jù)庫(kù)　21
1.3.4　配置MongoDB數(shù)據(jù)庫(kù)　34
小結(jié)　40
實(shí)訓(xùn)　Python爬蟲(chóng)環(huán)境配置　41
思考題　42
課后習(xí)題　42
項(xiàng)目2　爬蟲(chóng)基礎(chǔ)知識(shí)準(zhǔn)備　44
【項(xiàng)目背景】　44
【學(xué)習(xí)目標(biāo)】　44
【思維導(dǎo)圖】　45
任務(wù)2.1　認(rèn)識(shí)網(wǎng)頁(yè)基礎(chǔ)　46
2.1.1　了解網(wǎng)頁(yè)開(kāi)發(fā)技術(shù)　47
2.1.2　了解網(wǎng)頁(yè)的結(jié)構(gòu)　49
2.1.3　了解網(wǎng)頁(yè)的分類　56
2.1.4　了解網(wǎng)頁(yè)的數(shù)據(jù)結(jié)構(gòu)　59
任務(wù)2.2　認(rèn)識(shí)HTTP　61
2.2.1　熟悉HTTP請(qǐng)求方法與過(guò)程　62
2.2.2　熟悉常見(jiàn)HTTP狀態(tài)碼　64
2.2.3　熟悉HTTP頭部信息　65
2.2.4　熟悉Cookie　71
小結(jié)　73
實(shí)訓(xùn)　74
實(shí)訓(xùn)1　創(chuàng)建一個(gè)簡(jiǎn)單的網(wǎng)頁(yè)文件　74
實(shí)訓(xùn)2　訪問(wèn)網(wǎng)站并查看請(qǐng)求和響應(yīng)信息　74
思考題　75
課后習(xí)題　75
項(xiàng)目3　簡(jiǎn)單靜態(tài)網(wǎng)頁(yè)爬取—獲取某企業(yè)官網(wǎng)基本信息　77
【項(xiàng)目背景】　77
【學(xué)習(xí)目標(biāo)】　77
【思維導(dǎo)圖】　78
任務(wù)3.1　實(shí)現(xiàn)HTTP請(qǐng)求　79
3.1.1　使用Chrome開(kāi)發(fā)者工具查看網(wǎng)頁(yè)　80
3.1.2　使用urllib 3庫(kù)實(shí)現(xiàn)　86
3.1.3　使用Requests庫(kù)實(shí)現(xiàn)　90
任務(wù)3.2　解析網(wǎng)頁(yè)　95
3.2.1　使用Xpath解析網(wǎng)頁(yè)　95
3.2.2　使用Beautiful Soup庫(kù)解析網(wǎng)頁(yè)　101
3.2.3　使用正則表達(dá)式解析網(wǎng)頁(yè)　109
任務(wù)3.3　數(shù)據(jù)存儲(chǔ)　113
3.3.1　將數(shù)據(jù)存儲(chǔ)為JSON文件　113
3.3.2　將數(shù)據(jù)存儲(chǔ)到MySQL數(shù)據(jù)庫(kù)　115
小結(jié)　117
實(shí)訓(xùn)　118
實(shí)訓(xùn)1　生成GET請(qǐng)求并獲取 網(wǎng)頁(yè)內(nèi)容　118
實(shí)訓(xùn)2　搜索目標(biāo)節(jié)點(diǎn)并提取文本內(nèi)容　119
實(shí)訓(xùn)3　在數(shù)據(jù)庫(kù)中建立新表并導(dǎo)入數(shù)據(jù)　119
思考題　120
課后習(xí)題　120
項(xiàng)目4　爬取動(dòng)態(tài)網(wǎng)頁(yè)——獲取圖書(shū)基本信息　123
【項(xiàng)目背景】　123
【學(xué)習(xí)目標(biāo)】　123
【思維導(dǎo)圖】　124
任務(wù)4.1　逆向分析爬取動(dòng)態(tài)網(wǎng)頁(yè)　124
4.1.1　判別網(wǎng)頁(yè)類型　125
4.1.2　獲取動(dòng)態(tài)網(wǎng)頁(yè)信息　126
任務(wù)4.2　使用Selenium庫(kù)爬取動(dòng)態(tài)網(wǎng)頁(yè)　129
4.2.1　安裝Selenium庫(kù)及下載瀏覽器驅(qū)動(dòng)　130
4.2.2　打開(kāi)瀏覽對(duì)象并訪問(wèn)頁(yè)面　131
4.2.3　元素選取　132
4.2.4　元素交互　136
4.2.5　頁(yè)面操作　138
4.2.6　頁(yè)面等待　140
任務(wù)4.3　存儲(chǔ)數(shù)據(jù)至MongoDB數(shù)據(jù)庫(kù)　143
4.3.1　MongoDB數(shù)據(jù)庫(kù)和MySQL數(shù)據(jù)庫(kù)的區(qū)別　143
4.3.2　將數(shù)據(jù)存儲(chǔ)到MongoDB數(shù)據(jù)庫(kù)　144
小結(jié)　148
實(shí)訓(xùn)　149
實(shí)訓(xùn)1　生成GET請(qǐng)求并獲取 網(wǎng)頁(yè)內(nèi)容　149
實(shí)訓(xùn)2　搜索目標(biāo)節(jié)點(diǎn)并提取文本內(nèi)容　149
思考題　150
課后習(xí)題　150
項(xiàng)目5　模擬登錄—登錄某企業(yè)官網(wǎng)　153
【項(xiàng)目背景】　153
【學(xué)習(xí)目標(biāo)】　153
【思維導(dǎo)圖】　154
任務(wù)5.1　使用表單登錄方法實(shí)現(xiàn)模擬登錄　155
5.1.1　查找提交入口　155
5.1.2　查找并獲取需要提交的表單數(shù)據(jù)　158
5.1.3　使用POST請(qǐng)求方法登錄　162
任務(wù)5.2　使用Cookie登錄方法實(shí)現(xiàn)模擬登錄　165
5.2.1　使用瀏覽器Cookie登錄　165
5.2.2　基于表單登錄的Cookie登錄　168
小結(jié)　170
實(shí)訓(xùn)　171
實(shí)訓(xùn)1　使用表單登錄方法模擬登錄古詩(shī)文網(wǎng)　171
實(shí)訓(xùn)2　使用瀏覽器Cookie模擬登錄古詩(shī)文網(wǎng)　171
實(shí)訓(xùn)3　基于表單登錄后的Cookie模擬登錄古詩(shī)文網(wǎng)　172
思考題　173
課后習(xí)題　173
項(xiàng)目6　終端協(xié)議分析——獲取某音樂(lè)PC客戶端和APP數(shù)據(jù)　175
【項(xiàng)目背景】　175
【學(xué)習(xí)目標(biāo)】　176
【思維導(dǎo)圖】　176
任務(wù)6.1　分析PC客戶端抓包　177
6.1.1　了解HTTP Analyzer工具　177
6.1.2　爬取酷我音樂(lè)PC客戶端數(shù)據(jù)　180
任務(wù)6.2　分析App抓包　182
6.2.1　了解Fiddler工具　182
6.2.2　分析酷我音樂(lè)App　186
小結(jié)　189
實(shí)訓(xùn)　189
實(shí)訓(xùn)1　抓取酷我音樂(lè)PC客戶端的 歌曲信息　189
實(shí)訓(xùn)2　監(jiān)控樸樸超市商品實(shí)時(shí)價(jià)格　191
思考題　192
課后習(xí)題　193
項(xiàng)目7　使用Scrapy爬蟲(chóng)——爬取某企業(yè)官網(wǎng)新聞動(dòng)態(tài)　194
【項(xiàng)目背景】　194
【學(xué)習(xí)目標(biāo)】　194
【思維導(dǎo)圖】　195
任務(wù)7.1　認(rèn)識(shí)Scrapy　196
7.1.1　了解Scrapy爬蟲(chóng)框架　196
7.1.2　熟悉Scrapy常用命令　198
任務(wù)7.2　通過(guò)Scrapy爬取文本信息　199
7.2.1　創(chuàng)建Scrapy爬蟲(chóng)項(xiàng)目　200
7.2.2　修改items/pipelines腳本　201
7.2.3　編寫(xiě)spider腳本　204
7.2.4　修改settings腳本　209
任務(wù)7.3　 中間件　212
7.3.1　 下載器中間件　212
7.3.2　 Spider中間件　216
小結(jié)　217
實(shí)訓(xùn)　218
實(shí)訓(xùn)1　爬取“http://www.tipdm.org”的所有新聞動(dòng)態(tài)　218
實(shí)訓(xùn)2　 BdRaceNews爬蟲(chóng)項(xiàng)目的中間件　219
實(shí)訓(xùn)3　爬取貓眼電影“https://maoyan.com/board/4”的影片信息　220
實(shí)訓(xùn)4　配置Maoyan100爬蟲(chóng)項(xiàng)目的設(shè)置文件　220
思考題　221
課后習(xí)題　222