书籍封面
书籍目录
书名页
版权页
内容简介
作者简介
前言
目录
第1章 初识Scrapy
1.1 网络爬虫是什么
1.2 Scrapy简介及安装
1.3 编写第一个Scrapy爬虫
1.3.1 项目需求
1.3.2 创建项目
1.3.3 分析页面
1.3.4 实现Spider
1.3.5 运行爬虫
1.4 本章小结
第2章 编写Spider
2.1 Scrapy框架结构及工作原理
2.2 Request和Response对象
2.2.1 Request对象
2.2.2 Response对象
2.3 Spider开发流程
2.3.1 继承scrapy.Spider
2.3.2 为Spider命名
2.3.3 设定起始爬取点
2.3.4 实现页面解析函数
2.4 本章小结
第3章 使用Selector提取数据
3.1 Selector对象
3.1.1 创建对象
3.1.2 选中数据
3.1.3 提取数据
3.2 Response内置Selector
3.3 XPath
3.3.1 基础语法
3.3.2 常用函数
3.4 CSS选择器
3.5 本章小结
第4章 使用Item封装数据
4.1 Item和Field
4.2 拓展Item子类
4.3 Field元数据
4.4 本章小结
第5章 使用Item Pipeline处理数据
5.1 Item Pipeline
5.1.1 实现Item Pipeline
5.1.2 启用Item Pipeline
5.2 更多例子
5.2.1 过滤重复数据
5.2.2 将数据存入MongoDB
5.3 本章小结
第6章 使用LinkExtractor提取链接
6.1 使用LinkExtractor
6.2 描述提取规则
6.3 本章小结
第7章 使用Exporter导出数据
7.1 指定如何导出数据
7.1.1 命令行参数
7.1.2 配置文件
7.2 添加导出数据格式
7.2.1 源码参考
7.2.2 实现Exporter
7.3 本章小结
第8章 项目练习
8.1 项目需求
8.2 页面分析
8.3 编码实现
8.4 本章小结
第9章 下载文件和图片
9.1 FilesPipeline和ImagesPipeline
9.1.1 FilesPipeline使用说明
9.1.2 ImagesPipeline使用说明
9.2 项目实战：爬取matplotlib例子源码文件
9.2.1 项目需求
9.2.2 页面分析
9.2.3 编码实现
9.3 项目实战：下载360图片
9.3.1 项目需求
9.3.2 页面分析
9.3.3 编码实现
9.4 本章小结
第10章 模拟登录
10.1 登录实质
10.2 Scrapy模拟登录
10.2.1 使用FormRequest
10.2.2 实现登录Spider
10.3 识别验证码
10.3.1 OCR识别
10.3.2 网络平台识别
10.3.3 人工识别
10.4 Cookie登录
10.4.1 获取浏览器Cookie
10.4.2 CookiesMiddleware源码分析
10.4.3 实现BrowserCookiesMiddleware
10.4.4 爬取知乎个人信息
10.5 本章小结
第11章 爬取动态页面
11.1 Splash渲染引擎
11.1.1 render.html端点
11.1.2 execute端点
11.2 在Scrapy中使用Splash
11.3 项目实战：爬取toscrape中的名人名言
11.3.1 项目需求
11.3.2 页面分析
11.3.3 编码实现
11.4 项目实战：爬取京东商城中的书籍信息
11.4.1 项目需求
11.4.2 页面分析
11.4.3 编码实现
11.5 本章小结
第12章 存入数据库
12.1 SQLite
12.2 MySQL
12.3 MongoDB
12.4 Redis
12.5 本章小结
第13章 使用HTTP代理
13.1 HttpProxyMiddleware
13.1.1 使用简介
13.1.2 源码分析
13.2 使用多个代理
13.3 获取免费代理
13.4 实现随机代理
13.5 项目实战：爬取豆瓣电影信息
13.5.1 项目需求
13.5.2 页面分析
13.5.3 编码实现
13.6 本章小结
第14章 分布式爬取
14.1 Redis的使用
14.1.1 安装Redis
14.1.2 Redis基本命令
14.1.3 Python访问Redis
14.2 scrapy-redis源码分析
14.2.1 分配爬取任务部分
14.2.2 汇总爬取数据部分
14.3 使用scrapy-redis进行分布式爬取
14.3.1 搭建环境
14.3.2 项目实战
14.4 本章小结
没有回复内容