第1章理解网络爬虫 1

1.1 爬虫的定义 1

1.2 爬虫的类型 2

1.3 爬虫的原理 3

1.4 爬虫的搜索策略 5

1.5 反爬虫技术及解决方案 6

1.6 本章小结 8

第2章爬虫开发基础 9

2.1 HTTP与HTTPS 9

2.2 请求头 11

2.3 Cookies 13

2.4 HTML 14

2.5 JavaScript 16

2.6 JSON 18

2.7 Ajax 19

2.8 本章小结 20

第3章Chrome分析网站 21

3.1 Chrome开发工具 21

3.2 Elements标签 22

3.3 Network标签 23

3.4 分析QQ音乐 27

3.5 本章小结 29

第4章Fiddler抓包工具 30

4.1 Fiddler介绍 30

4.2 Fiddler安装配置 31

4.3 Fiddler抓取手机应用 33

4.4 Toolbar工具栏 36

4.5 Web Session列表 37

4.6 View选项视图 40

4.7 Quickexec命令行 41

4.8 本章小结 42

第5章Urllib数据抓取 43

5.1 Urllib简介 43

5.2 发送请求 44

5.3 复杂的请求 46

5.4 代理IP 47

5.5 使用Cookies 48

5.6 证书验证 50

5.7 数据处理 51

5.8 本章小结 52

第6章Requests数据抓取 54

6.1 Requests简介及安装 54

6.2 请求方式 55

6.3 复杂的请求方式 57

6.4 下载与上传 60

6.5 本章小结 63

第7章验证码识别 64

7.1 验证码类型 64

7.2 OCR技术 66

7.3 第三方平台 69

7.4 本章小结 72

第8章数据清洗 74

8.1 字符串操作 74

8.2 正则表达式 78

8.3 Beautiful Soup介绍及安装 84

8.4 Beautiful Soup的使用 86

8.5 本章小结 90

第9章文档数据存储 92

9.1 CSV数据写入和读取 92

9.2 Excel数据写入和读取 94

9.3 Word数据写入和读取 99

9.4 本章小结 101

第10章ORM框架 104

10.1 SQLAlchemy介绍 104

10.2 安装SQLAlchemy 105

10.3 连接数据库 106

10.4 创建数据表 108

10.5 添加数据 111

10.6 更新数据 112

10.7 查询数据 114

10.8 本章小结 116

第11章MongoDB数据库操作 118

11.1 MongoDB介绍 118

11.2 安装及使用 120

11.2.1 MongoDB 120

11.2.2 MongoDB可视化工具 121

11.2.3 PyMongo 123

11.3 连接数据库 123

11.4 添加文档 125

11.5 更新文档 126

11.6 查询文档 127

11.7 本章小结 130

第12章项目实战：爬取淘宝商品信息 131

12.1 分析说明 131

12.2 功能实现 134

12.3 数据存储 136

12.4 本章小结 138

第13章项目实战：分布式爬虫——QQ音乐 139

13.1 分析说明 139

13.2 歌曲下载 140

13.3 歌手和歌曲信息 145

13.4 分类歌手列表 148

13.5 全站歌手列表 150

13.6 数据存储 152

13.7 分布式概念 154

13.7.1 GIL是什么 154

13.7.2 为什么会有GIL 154

13.8 并发库concurrent.futures 155

13.9 分布式爬虫 157

13.10 本章小结 159

第14章项目实战：爬虫软件—— 淘宝商品信息 161

14.1 分析说明 161

14.2 GUI库介绍 162

14.3 PyQt5安装及环境搭建 162

14.4 软件界面开发 165

14.5 MVC——视图 169

14.6 MVC——控制器 171

14.7 MVC——模型 172

14.8 扩展思路 173

14.9 本章小结 174

第15章项目实战：12306抢票 176

15.1 分析说明 176

15.2 验证码验证 177

15.3 用户登录与验证 181

15.4 查询车次 187

15.5 预订车票 193

15.6 提交订单 196

15.7 生成订单 204

15.8 本章小结 209

第16章项目实战：玩转微博 219

16.1 分析说明 219

16.2 用户登录 220

16.3 用户登录(带验证码) 232

16.4 关键字搜索热门微博 240

16.5 发布微博 247

16.6 关注用户 253

16.7 点赞和转发评论 257

16.8 本章小结 263

第17章Scrapy爬虫框架 265

17.1 爬虫框架 265

17.2 Scrapy的运行机制 267

17.3 安装Scrapy 268

17.4 爬虫开发快速入门 270

17.5 Spiders介绍 277

17.6 Spider的编写 278

17.7 Items的编写 282

17.8 Item Pipeline的编写 284

17.9 Selectors的编写 288

17.10 文件下载 291

17.11 本章小结 296

第18章项目实战：Scrapy爬取QQ音乐 298

18.1 分析说明 298

18.2 创建项目 299

18.3 编写setting 300

18.4 编写Items 301

18.5 编写Item Pipelines 302

18.6 编写Spider 305

18.7 本章小结 310