91视频污免费下载,亚洲五月,亚洲一区二区三区在线免费观看

本書介紹如何使用Python語言進(jìn)行網(wǎng)絡(luò)爬蟲程序的開發(fā)，從Python語言的基本特性入手，詳細(xì)介紹了Python爬蟲程序開發(fā)的各個方面，包括HTTP、HTML、JavaScript、正則表達(dá)式、自然語言處理、數(shù)據(jù)科學(xué)等不同領(lǐng)域的內(nèi)容。全書共14章，分為基礎(chǔ)篇、進(jìn)階篇、提高篇和實戰(zhàn)篇四個部分，內(nèi)容覆蓋網(wǎng)絡(luò)抓取與爬蟲編程中的主要知識和技術(shù)。同時，本書在重視理論基礎(chǔ)的前提下，從實用性和豐富度出發(fā)，結(jié)合實例演示了編寫爬蟲程序的核心流程。
本書適合Python語言初學(xué)者、網(wǎng)絡(luò)爬蟲技術(shù)愛好者、數(shù)據(jù)分析從業(yè)人員以及高等院校計算機(jī)科學(xué)、軟件工程等相關(guān)專業(yè)的師生閱讀。

網(wǎng)絡(luò)爬蟲是一種數(shù)據(jù)采集技術(shù)，也是一種能夠按照一定規(guī)則自動抓取互聯(lián)網(wǎng)上信息的程序或腳本。一個常見的應(yīng)用是搜索引擎的爬蟲，它為搜索引擎爬取互聯(lián)網(wǎng)上眾多的網(wǎng)頁，以便用戶能夠準(zhǔn)確地在互聯(lián)網(wǎng)上找到自己想要的內(nèi)容。一般來講，傳統(tǒng)爬蟲都是從一個或若干個初始網(wǎng)頁的URL開始，不斷分析頁面上的元素并抓取需要的內(nèi)容，或沿著層級不斷深入抓取，或在頁面同級遍歷抓取，直到滿足一定條件才會停止。爬蟲在大數(shù)據(jù)的核心技術(shù)中也具有至關(guān)重要的作用，除了購買的數(shù)據(jù)集之外，爬蟲爬取數(shù)據(jù)也是獲取數(shù)據(jù)的一條主要途徑。此外，所有被爬蟲抓取到的數(shù)據(jù)都會被系統(tǒng)存儲，進(jìn)行一定的分析、過濾，并建立索引，以便之后的查詢、檢索和使用。
Python是一種解釋型、面向?qū)ο蟮�、動態(tài)數(shù)據(jù)類型的高級程序設(shè)計語言，Python語法簡潔、功能強(qiáng)大，在眾多高級語言中擁有十分出色的編寫效率，同時還擁有活躍的開源社區(qū)和海量程序庫，十分適合用來進(jìn)行網(wǎng)絡(luò)內(nèi)容的抓取和處理。本書將以Python語言為基礎(chǔ)，由淺入深地探討網(wǎng)絡(luò)爬蟲技術(shù)，同時，通過具體的程序編寫和實踐來幫助讀者了解與學(xué)習(xí)Python爬蟲。
本書共分為14章，第1章、第2章介紹了Python語言和爬蟲編寫的基礎(chǔ)知識。第3章介紹了靜態(tài)網(wǎng)頁采集。第4章討論了Python對文件和數(shù)據(jù)的存儲，涉及數(shù)據(jù)庫的相關(guān)知識。第5、6章的內(nèi)容針對相對復(fù)雜一些的爬蟲抓取任務(wù)，主要著眼于動態(tài)網(wǎng)頁內(nèi)容的抓取、表單登錄和驗證碼等方面。第7章涉及了對抓取到的原始數(shù)據(jù)的深入處理和分析。第8～10章旨在對爬蟲程序進(jìn)行更深入的探討，基于爬蟲介紹了多個不同主題的內(nèi)容。第11～14章通過一些實戰(zhàn)的例子來深入討論如何應(yīng)用爬蟲編程的理論知識。
本書的主要特點如下。
?內(nèi)容全面，結(jié)構(gòu)清晰：本書詳細(xì)介紹了網(wǎng)絡(luò)爬蟲技術(shù)的方方面面，討論了數(shù)據(jù)抓取、數(shù)據(jù)處理和數(shù)據(jù)分析的整個流程。全書結(jié)構(gòu)清晰，堅持理論知識與實踐操作相結(jié)合。
?循序漸進(jìn)，生動簡潔：從最簡單的Python程序示例開始，在網(wǎng)絡(luò)爬蟲的核心主題之下一步步深入，兼顧內(nèi)容的廣度與深度。在行文中，使用生動簡潔的闡述方式，力爭詳略得當(dāng)。
?示例豐富，實戰(zhàn)性強(qiáng)：網(wǎng)絡(luò)爬蟲是實踐性、操作性非常強(qiáng)的技術(shù)，本書將提供豐富的代碼來作為讀者的參考，同時對必要的術(shù)語和代碼進(jìn)行解釋。從實際出發(fā)，選取實用性、趣味性兼具的主題進(jìn)行網(wǎng)絡(luò)爬蟲實踐。
?內(nèi)容新穎，不落窠臼：本書中程序代碼均采用Python 3版本，并使用了目前主流的各種Python框架和庫來編寫，注重內(nèi)容的時效性。網(wǎng)絡(luò)爬蟲需要動手實踐才能真正理解，本書大限度地保證了代碼與程序示例的易用性和易讀性。
本書的編者為呂云翔、張揚、楊壯、姚澤良、韓延剛、李彬涵、徐羿、黃逸菲，曾洪立參與了部分內(nèi)容的編寫及資料整理工作。
由于編者水平有限，疏漏和不足之處在所難免，歡迎廣大讀者與我們交流討論。

前言
基礎(chǔ) 篇
第1章 Python基礎(chǔ)及網(wǎng)絡(luò)爬蟲1
1.1 了解Python語言1
1.1.1 Python是什么2
1.1.2 Python的應(yīng)用現(xiàn)狀2
1.2 配置安裝Python開發(fā)環(huán)境3
1.2.1 在Windows上安裝3
1.2.2 在Ubuntu和MacOS上安裝4
1.2.3 IDE的使用：以PyCharm為例5
1.2.4 Jupyter Notebook簡介9
1.3 Python基本語法介紹11
1.3.1 HelloWorld與數(shù)據(jù)類型11
1.3.2 邏輯語句17
1.3.3 Python中的函數(shù)與類20
1.3.4 更深入了解Python22
1.4 互聯(lián)網(wǎng)、HTTP與HTML22
1.4.1 互聯(lián)網(wǎng)與HTTP22
1.4.2 HTML23
1.5 Hello, Spider!25
1.5.1 編寫第一個爬蟲程序25
1.5.2 對爬蟲的思考27
1.6 分析網(wǎng)站28
1.6.1 robots.txt與Sitemap簡介28
1.6.2 網(wǎng)站技術(shù)分析31
1.6.3 網(wǎng)站所有者信息分析33
1.6.4 使用開發(fā)者工具檢查網(wǎng)頁34
1.7 本章小結(jié)37
1.8 實踐：Python環(huán)境的配置與
爬蟲的運行37
1.8.1 需求說明37
1.8.2 實現(xiàn)思路及步驟37
1.9 習(xí)題37
第2章數(shù)據(jù)采集與預(yù)處理39
2.1 數(shù)據(jù)39
2.1.1 數(shù)據(jù)的概念39
2.1.2 數(shù)據(jù)類型40
2.1.3 數(shù)據(jù)的存儲形式42
2.1.4 數(shù)據(jù)的價值42
2.1.5 大數(shù)據(jù)時代43
2.2 數(shù)據(jù)分析過程43
2.3 數(shù)據(jù)采集44
2.3.1 數(shù)據(jù)采集的概念44
2.3.2 數(shù)據(jù)采集的數(shù)據(jù)源44
2.3.3 數(shù)據(jù)采集方法45
2.4 數(shù)據(jù)清洗45
2.4.1 數(shù)據(jù)清洗概述45
2.4.2 數(shù)據(jù)清洗的內(nèi)容46
2.4.3 數(shù)據(jù)清洗的基本流程46
2.4.4 數(shù)據(jù)清洗的評價標(biāo)準(zhǔn)47
2.5 數(shù)據(jù)集成47
2.6 數(shù)據(jù)轉(zhuǎn)換48
2.6.1 數(shù)據(jù)轉(zhuǎn)換概念與策略48
2.6.2 平滑處理48
2.6.3 標(biāo)準(zhǔn)化處理50
2.7 數(shù)據(jù)脫敏50
2.7.1 數(shù)據(jù)脫敏的原則50
2.7.2 數(shù)據(jù)脫敏的方法51
2.8 本章小結(jié)51
2.9 實踐：使用Python嘗試數(shù)據(jù)的
清洗51
2.9.1 需求說明51
2.9.2 實現(xiàn)思路及步驟51
2.10 習(xí)題51
第3章靜態(tài)網(wǎng)頁采集53
3.1 從采集開始53
3.2 正則表達(dá)式54
3.2.1 什么是正則表達(dá)式54
3.2.2 正則表達(dá)式的簡單使用56
3.3 BeautifulSoup爬蟲58
3.3.1 安裝BeautifulSoup58
3.3.2 BeautifulSoup的基本用法61
3.4 XPath與lxml64
3.4.1 XPath64
3.4.2 lxml與XPath的使用65
3.5 遍歷頁面67
3.5.1 抓取下一個頁面67
3.5.2 完成爬蟲68
3.6 使用API70
3.6.1 API簡介70
3.6.2 API使用示例72
3.7 本章小結(jié)75
3.8 實踐：嗶哩嗶哩直播間信息
爬取練習(xí)75
3.8.1 需求說明75
3.8.2 實現(xiàn)思路及步驟75
3.9 習(xí)題76
第4章數(shù)據(jù)存儲77
4.1 Python中的文件77
4.1.1 Python的文件讀寫77
4.1.2 對象序列化79
4.2 Python中的字符串80
4.3 Python中的圖片81
4.3.1 PIL與Pillow模塊81
4.3.2 Python與OpenCV簡介83
4.4 CSV84
4.4.1 CSV簡介84
4.4.2 CSV的讀寫84
4.5 數(shù)據(jù)庫的使用86
4.5.1 MySQL的使用86
4.5.2 SQLite3的使用88
4.5.3 SQLAlchemy的使用89
4.5.4 Redis的使用91
4.5.5 MongoDB的使用91
4.6 其他類型的文檔92
4.7 本章小結(jié)97
4.8 實踐：使用Python 3讀寫SQLite
數(shù)據(jù)庫97
4.8.1 需求說明97
4.8.2 實現(xiàn)思路及步驟97
4.9 習(xí)題97

進(jìn) 階篇

第5章 JavaScript與動態(tài)內(nèi)容99
5.1 JavaScript與AJAX技術(shù)100
5.1.1 JavaScript語言100
5.1.2 AJAX103
5.2 抓取AJAX數(shù)據(jù)104
5.2.1 分析數(shù)據(jù)104
5.2.2 數(shù)據(jù)提取108
5.3 抓取動態(tài)內(nèi)容113
5.3.1 動態(tài)渲染頁面113
5.3.2 使用Selenium114
5.3.3 PyV8與Splash120
5.4 本章小結(jié)123
5.5 實踐：爬取機(jī)械工業(yè)出版社新書
上架信息123
5.5.1 需求說明123
5.5.2 實現(xiàn)思路及步驟124
5.6 習(xí)題124
第6章模擬登錄與驗證碼125
6.1 表單125
6.1.1 表單與POST125
6.1.2 POST發(fā)送表單數(shù)據(jù)127
6.2 Cookie130
6.2.1 Cookie簡介130
6.2.2 在Python中Cookie的使用131
6.3 模擬登錄網(wǎng)站133
6.3.1 分析網(wǎng)站133
6.3.2 Cookie方法的模擬登錄134
6.4 驗證碼137
6.4.1 圖片驗證碼137
6.4.2 滑動驗證139
6.5 本章小結(jié)142
6.6 實踐：通過Selenium模擬登錄Gitee并保存Cookie143
6.6.1 需求說明143
6.6.2 實現(xiàn)思路及步驟143
6.7 習(xí)題143
第7章爬蟲數(shù)據(jù)的分析與處理144
7.1 Python與文本分析144
7.1.1 文本分析簡介144
7.1.2 jieba與SnowNLP145
7.1.3 NLTK148
7.1.4 文本分類與聚類151
7.2 數(shù)據(jù)處理與科學(xué)計算153
7.2.1 從MATLAB到Python153
7.2.2 NumPy154
7.2.3 Pandas158
7.2.4 Matplotlib163
7.2.5 SciPy與SymPy167
7.3 本章小結(jié)167
7.4 實踐：中國每年大學(xué)招生人數(shù)
變化的可視化167
7.4.1 需求說明167
7.4.2 實現(xiàn)思路及步驟167
7.5 習(xí)題167

提高篇

第8章爬蟲的靈活性和多樣性169
8.1 爬蟲的靈活性以微信數(shù)據(jù)
抓取為例169
8.1.1 用Selenium抓取Web微信信息169
8.1.2 基于Python的微信API工具173
8.2 爬蟲的多樣性176
8.2.1 在BeautifulSoup和XPath之外176
8.2.2 在線爬蟲應(yīng)用平臺179
8.2.3 使用urllib180
8.3 爬蟲的部署和管理188
8.3.1 使用服務(wù)器部署爬蟲188
8.3.2 本地爬蟲的編寫

你還可能感興趣

我要評論