第 1章 認(rèn)識網(wǎng)絡(luò)爬蟲　001 1.1 什么是網(wǎng)絡(luò)爬蟲　001 1.2 網(wǎng)絡(luò)爬蟲的應(yīng)用場景　002 1.3 網(wǎng)絡(luò)爬蟲合法性探究　003 1.3.1 Robots協(xié)議　003 1.3.2 防爬蟲應(yīng)對策略　005 1.4 網(wǎng)絡(luò)爬蟲的工作原理和流程　006 1.4.1 網(wǎng)絡(luò)爬蟲的工作原理　006 1.4.2 網(wǎng)絡(luò)爬蟲抓取網(wǎng)頁的流程　008 1.5 網(wǎng)絡(luò)爬蟲實(shí)現(xiàn)技術(shù)探究　009 1.5.1 網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn)技術(shù)　009 1.5.2 Python實(shí)現(xiàn)網(wǎng)絡(luò)爬蟲的流程　010 1.6 本章小結(jié)　011 1.7 習(xí)題　011 第 2章 網(wǎng)頁請求原理　013 2.1 瀏覽器加載網(wǎng)頁的過程　013 2.2 HTTP基礎(chǔ)　014 2.2.1 URL簡介　014 2.2.2 HTTP和HTTPS　015 2.2.3 HTTP請求格式　016 2.2.4 HTTP響應(yīng)格式　017 2.3 網(wǎng)頁基礎(chǔ)　019 2.3.1 網(wǎng)頁開發(fā)技術(shù)　019 2.3.2 網(wǎng)頁的結(jié)構(gòu)　021 2.3.3 網(wǎng)頁的分類　022 2.3.4 網(wǎng)頁數(shù)據(jù)的格式　024 2.4 HTTP抓包工具——Fiddler　026 2.4.1 Fiddler的工作原理　026 2.4.2 Fiddler的下載與安裝　027 2.4.3 Fiddler界面詳解　029 2.4.4 Fiddler捕獲HTTPS頁面的設(shè)置　032 2.4.5 Fiddler的基本使用　039 2.5 本章小結(jié)　041 2.6 習(xí)題　041 第3章 抓取靜態(tài)網(wǎng)頁數(shù)據(jù)　043 3.1 抓取靜態(tài)網(wǎng)頁的技術(shù)　043 3.2 發(fā)送基本請求　044 3.2.1 發(fā)送GET請求　044 3.2.2 發(fā)送POST請求　046 3.2.3 處理響應(yīng)　047 3.3 處理復(fù)雜請求　049 3.3.1 定制請求頭　049 3.3.2 驗(yàn)證Cookie　051 3.3.3 保持會話　052 3.3.4 SSL證書驗(yàn)證　053 3.4 設(shè)置代理服務(wù)器　054 3.4.1 代理服務(wù)器簡介　054 3.4.2 設(shè)置代理服務(wù)器　055 3.4.3 檢測代理IP的有效性　056 3.5 處理異�！�057 3.6 實(shí)踐項(xiàng)目：抓取黑馬程序員論壇的數(shù)據(jù)　059 【項(xiàng)目目標(biāo)】　059 【項(xiàng)目分析】　060 【項(xiàng)目實(shí)現(xiàn)】　061 3.7 本章小結(jié)　063 3.8 習(xí)題　063 第4章 解析網(wǎng)頁數(shù)據(jù)　065 4.1 解析網(wǎng)頁數(shù)據(jù)的技術(shù)　065 4.2 正則表達(dá)式與re模塊　066 4.2.1 正則表達(dá)式的語法　066 4.2.2 re模塊的使用　068 4.3 XPath與lxml庫　069 4.3.1 XPath簡介　069 4.3.2 XPath語法　070 4.3.3 XPath開發(fā)工具　073 4.3.4 lxml庫簡介　075 4.4 Beautiful Soup庫　077 4.4.1 Beautiful Soup簡介　077 4.4.2 創(chuàng)建BeautifulSoup類的對象　078 4.4.3 通過查找方法選取節(jié)點(diǎn)　080 4.4.4 通過CSS選擇器選取節(jié)點(diǎn)　081 4.5 JSONPath與jsonpath模塊　083 4.5.1 JSONPath語法　083 4.5.2 jsonpath模塊的使用　085 4.6 實(shí)踐項(xiàng)目：采集黑馬程序員論壇的帖子　088 【項(xiàng)目目標(biāo)】　088 【項(xiàng)目分析】　089 【項(xiàng)目實(shí)現(xiàn)】　090 4.7 本章小結(jié)　093 4.8 習(xí)題　093 第5章 抓取動態(tài)網(wǎng)頁數(shù)據(jù)　095 5.1 抓取動態(tài)網(wǎng)頁的技術(shù)　095 5.2 Selenium和WebDriver的安裝與配置　096 5.3 Selenium的基本使用　099 5.3.1 WebDriver類的常用屬性和方法　100 5.3.2 定位元素　102 5.3.3 鼠標(biāo)操作　105 5.3.4 下拉列表框操作　107 5.3.5 彈出框處理　108 5.3.6 頁面切換　110 5.3.7 頁面等待　111 5.4 實(shí)踐項(xiàng)目：采集集信達(dá)平臺的短信服務(wù)日志信息　114 【項(xiàng)目目標(biāo)】　114 【項(xiàng)目分析】　116 【項(xiàng)目實(shí)現(xiàn)】　119 5.5 本章小結(jié)　122 5.6 習(xí)題　123 第6章 提升網(wǎng)絡(luò)爬蟲速度　125 6.1 網(wǎng)絡(luò)爬蟲速度提升方案　125 6.2 多線程爬蟲　126 6.2.1 多線程爬蟲流程分析　126 6.2.2 多線程爬蟲實(shí)現(xiàn)技術(shù)　127 6.2.3 多線程爬蟲基本示例　130 6.2.4 多線程爬蟲性能分析　133 6.3 協(xié)程爬蟲　134 6.3.1 協(xié)程爬蟲流程分析　134 6.3.2 協(xié)程爬蟲實(shí)現(xiàn)技術(shù)　135 6.3.3 協(xié)程爬蟲基本示例　137 6.3.4 協(xié)程爬蟲性能分析　138 6.4 實(shí)踐項(xiàng)目：采集黑馬頭條的評論列表　139 【項(xiàng)目目標(biāo)】　139 【項(xiàng)目分析】　140 【項(xiàng)目實(shí)現(xiàn)】　141 6.5 本章小結(jié)　144 6.6 習(xí)題　144 第7章 存儲數(shù)據(jù)　146 7.1 數(shù)據(jù)存儲的方式　146 7.2 存儲至MongoDB數(shù)據(jù)庫　147 7.2.1 下載與安裝MongoDB　147 7.2.2 使用Python操作MongoDB　151 7.3 存儲至Redis數(shù)據(jù)庫　154 7.3.1 下載與安裝Redis　154 7.3.2 使用Python操作Redis　157 7.3.3 Redis桌面管理工具　159 7.4 實(shí)踐項(xiàng)目：采集小兔鮮兒網(wǎng)的商品信息　162 【項(xiàng)目目標(biāo)】　162 【項(xiàng)目分析】　164 【項(xiàng)目實(shí)現(xiàn)】　167 7.5 本章小結(jié)　170 7.6 習(xí)題　170 第8章 驗(yàn)證碼識別　172 8.1 驗(yàn)證碼識別　172 8.1.1 字符驗(yàn)證碼的識別　172 8.1.2 滑動拼圖驗(yàn)證碼的識別　181 8.1.3 點(diǎn)選驗(yàn)證碼的識別　181 8.2 實(shí)踐項(xiàng)目：登錄黑馬頭條后臺管理系統(tǒng)　188 【項(xiàng)目目標(biāo)】　188 【項(xiàng)目分析】　189 【項(xiàng)目實(shí)現(xiàn)】　191 8.3 本章小結(jié)　197 8.4 習(xí)題　197 第9章 初識網(wǎng)絡(luò)爬蟲框架Scrapy　199 9.1 Scrapy框架簡介　199 9.2 Scrapy框架架構(gòu)　200 9.3 Scrapy框架運(yùn)作流程　201 9.4 Scrapy框架安裝　203 9.5 Scrapy框架基本操作　205 9.5.1 新建Scrapy項(xiàng)目　205 9.5.2 明確采集目標(biāo)　206 9.5.3 制作爬蟲　207 9.5.4 永久存儲數(shù)據(jù)　212 9.6 實(shí)踐項(xiàng)目：采集黑馬程序員視頻庫的視頻信息　213 【項(xiàng)目目標(biāo)】　213 【項(xiàng)目分析】　213 【項(xiàng)目實(shí)現(xiàn)】　214 9.7 本章小結(jié)　216 9.8 習(xí)題　216 第 10章 Scrapy核心組件與CrawlSpider類　219 10.1 Spiders組件　219 10.2 Item Pipeline組件　220 10.3 Downloader Middlewares組件　222 10.3.1 內(nèi)置下載中間件　223 10.3.2 自定義下載中間件　223 10.3.3 激活下載中間件　225 10.4 Settings組件　225 10.5 CrawlSpider類　227 10.5.1 CrawlSpider類簡介　227 10.5.2 CrawlSpider類的工作原理　229 10.5.3 通過Rule類決定抓取規(guī)則　230 10.5.4 通過LinkExtractor類提取鏈接　231 10.6 實(shí)踐項(xiàng)目：采集暢購商城的華為手表信息　232 【項(xiàng)目目標(biāo)】　233 【項(xiàng)目分析】　233 【項(xiàng)目實(shí)現(xiàn)】　234 10.7 本章小結(jié)　236 10.8 習(xí)題　236 第 11章 分布式網(wǎng)絡(luò)爬蟲Scrapy-Redis　238 11.1 分布式網(wǎng)絡(luò)爬蟲簡介　238 11.2 Scrapy-Redis架構(gòu)　240 11.3 Scrapy-Redis運(yùn)作流程　242 11.4 Scrapy-Redis開發(fā)準(zhǔn)備　242 11.4.1 安裝Scrapy-Redis　242 11.4.2 修改配置文件　243 11.4.3 測試遠(yuǎn)程連接　244 11.5 Scrapy-Redis的基本操作　246 11.5.1 新建Scrapy-Redis項(xiàng)目　246 11.5.2 明確采集目標(biāo)　247 11.5.3 制作爬蟲　248 11.5.4 運(yùn)行爬蟲　249 11.5.5 使用管道存儲數(shù)據(jù)　250 11.6 實(shí)踐項(xiàng)目：使用RedisCrawlSpider采集暢購商城的華為手表信息　252 【項(xiàng)目目標(biāo)】　252 【項(xiàng)目分析】　252 【項(xiàng)目實(shí)現(xiàn)】　252 11.7 本章小結(jié)　257 11.8 習(xí)題　257