从零开始学Python网络爬虫

前言

第1章 Python零基础语法入门 1

1.1 Python与PyCharm安装 1

1.1.1 Python安装（Windows、Mac和Linux） 1

1.1.2 PyCharm安装 3

1.2 变量和字符串 3

1.2.1 变量 4

1.2.2 字符串的“加法”和“乘法” 4

1.2.3 字符串的切片和索引 5

1.2.4 字符串方法 5

1.3 函数与控制语句 7

1.3.1 函数 7

1.3.2 判断语句 8

1.3.3 循环语句 8

1.4 Python数据结构 9

1.4.1 列表 9

1.4.2 字典 11

1.4.3 元组和集合 11

1.5 Python文件操作 11

1.5.1 打开文件 11

1.5.2 读写文件 12

1.5.3 关闭文件 13

1.6 Python面向对象 13

1.6.1 定义类 14

1.6.2 实例属性 14

1.6.3 实例方法 15

1.6.4 类的继承 16

第2章 爬虫原理和网页构造 17

2.1 爬虫原理 17

2.1.1 网络连接 17

2.1.2 爬虫原理 18

2.2 网页构造 21

2.2.1 Chrome浏览器的安装 21

2.2.2 网页构造 22

2.2.3 查询网页信息 23

第3章 我的*个爬虫程序 26

3.1 Python第三方库 26

3.1.1 Python第三方库的概念 26

3.1.2 Python第三方库的安装方法 27

3.1.3 Python第三方库的使用方法 29

3.2 爬虫三大库 30

3.2.1 Requests库 30

3.2.2 BeautifulSoup库 32

3.2.3 Lxml库 36

3.3 综合案例1——爬取北京地区短租房信息 37

3.3.1 爬虫思路分析 37

3.3.2 爬虫代码及分析 38

3.4 综合案例2——爬取酷狗TOP500的数据 41

3.4.1 爬虫思路分析 41

3.4.2 爬虫代码及分析 43

第4章 正则表达式 45

4.1 正则表达式常用符号 45

4.1.1 一般字符 45

4.1.2 预定义字符集 46

4.1.3 数量词 46

4.1.4 边界匹配 47

4.2 re模块及其方法 48

4.2.1 search()函数 48

4.2.2 sub()函数 49

4.2.3 findall()函数 49

4.2.4 re模块修饰符 51

4.3 综合案例1——爬取《斗破苍穹》全文小说 53

4.3.1 爬虫思路分析 53

4.3.2 爬虫代码及分析 55

4.4 综合案例2——爬取糗事百科网的段子信息 56

4.4.1 爬虫思路分析 56

4.4.2 爬虫代码及分析 58

第5章 Lxml库与Xpath语法 63

5.1 Lxml库的安装与使用方法 63

5.1.1 Lxml库的安装（Mac、Linux） 63

5.1.2 Lxml库的使用 64

5.2 Xpath语法 68

5.2.1 节点关系 68

5.2.2 节点选择 70

5.2.3 使用技巧 70

5.2.4 性能对比 74

5.3 综合案例1——爬取豆瓣网图书TOP250的数据 77

5.3.1 将数据存储到CSV文件中 77

5.3.2 爬虫思路分析 78

5.3.3 爬虫代码及分析 80

5.4 综合案例2——爬取起点中文网小说信息 83

5.4.1 将数据存储到Excel文件中 83

5.4.2 爬虫思路分析 84

5.4.3 爬虫代码及分析 86

第6章 使用API 88

6.1 API的使用 88

6.1.1 API概述 88

6.1.2 API使用方法 89

6.1.3 API验证 91

6.2 解析JSON数据 93

6.2.1 JSON解析库 93

6.2.2 斯必克API调用 94

6.2.3 百度地图API调用 96

6.3 综合案例1——爬取PEXELS图片 98

6.3.1 图片爬取方法 98

6.3.2 爬虫思路分析 99

6.3.3 爬虫代码及分析 100

6.4 综合案例2——爬取糗事百科网的用户地址信息 102

6.4.1 地图的绘制 102

6.4.2 爬取思路分析 105

6.4.3 爬虫代码及分析 106

第7章 数据库存储 109

7.1 MongoDB数据库 109

7.1.1 NoSQL概述 109

7.1.2 MongoDB的安装 109

7.1.3 MongoDB的使用 115

7.2 MySQL数据库 117

7.2.1 关系型数据库概述 117

7.2.2 MySQL的安装 117

7.2.3 MySQL的使用 123

7.3 综合案例1——爬取豆瓣音乐TOP250的数据 126

7.3.1 爬虫思路分析 126

7.3.2 爬虫代码及分析 127

7.4 综合案例2——爬取豆瓣电影TOP250的数据 132

7.4.1 爬虫思路分析 132

7.4.2 爬虫代码及分析 133

第8章 多进程爬虫 139

8.1 多线程与多进程 139

8.1.1 多线程和多进程概述 139

8.1.2 多进程使用方法 140

8.1.3 性能对比 140

8.2 综合案例1——爬取简书网热评文章 143

8.2.1 爬虫思路分析 143

8.2.2 爬虫代码及分析 147

8.3 综合案例2——爬取转转网二手市场商品信息 150

8.3.1 爬虫思路分析 150

8.3.2 爬虫代码及分析 152

第9章 异步加载 159

9.1 异步加载技术与爬虫方法 159

9.1.1 异步加载技术概述 159

9.1.2 异步加载网页示例 159

9.1.3 逆向工程 162

9.2 综合案例1——爬取简书网用户动态信息 165

9.2.1 爬虫思路分析 165

9.2.2 爬虫代码及分析 171

9.3 综合案例2——爬取简书网7日热门信息 173

9.3.1 爬虫思路分析 173

9.3.2 爬虫代码及分析 179

第10章 表单交互与模拟登录 182

10.1 表单交互 182

10.1.1 POST方法 182

10.1.2 查看网页源代码提交表单 182

10.1.3 逆向工程提交表单 185

10.2 模拟登录 187

10.2.1 Cookie概述 187

10.2.2 提交Cookie模拟登录 187

10.3 综合案例1——爬取拉勾网招聘信息 188

10.3.1 爬虫思路分析 188

10.3.2 爬虫代码及分析 193

10.4 综合案例2——爬取新浪微博好友圈信息 195

10.4.1 词云制作 195

10.4.2 爬虫思路分析 202

10.4.3 爬虫代码及分析 206

第11章 Selenium模拟浏览器 209

11.1 Selenium和PhantomJS 209

11.1.1 Selenium的概念和安装 209

11.1.2 浏览器的选择和安装 209

11.2 Selenium和PhantomJS的配合使用 213

11.2.1 模拟浏览器操作 213

11.2.2 获取异步加载数据 215

11.3 综合案例1——爬取QQ空间好友说说 218

11.3.1 CSV文件读取 218

11.3.2 爬虫思路分析 220

11.3.3 爬虫代码及分析 221

11.4 综合案例2——爬取淘宝商品信息 224

11.4.1 爬虫思路分析 224

11.4.2 爬虫代码及分析 226

第12章 Scrapy爬虫框架 229

12.1 Scrapy的安装和使用 229

12.1.1 Scrapy的安装 229

12.1.2 创建Scrapy项目 233

12.1.3 Scrapy文件介绍 235

12.1.4 Scrapy爬虫编写 237

12.1.5 Scrapy爬虫运行 239

12.2 综合案例1——爬取简书网热门专题信息 240

12.2.1 爬虫思路分析 240

12.2.2 爬虫代码及分析 244

12.3 综合案例2——爬取知乎网Python精华话题 246

12.3.1 爬虫思路分析 246

12.3.2 爬虫代码及分析 248

12.4 综合案例3——爬取简书网专题收录文章 250

12.4.1 爬虫思路分析 251

12.4.2 爬虫代码及分析 254

12.5 综合案例4——爬取简书网推荐信息 257

12.5.1 爬虫思路分析 258

12.5.2 爬虫代码及分析 260