7

精通Scrapy网络爬虫系列视频课程课件资料

上传者:cheemo_edu

发布时间:2018-01-17 13:53:29

大小:1 M

简介:本套视频课程的讲师刘硕是清华大学出版社出版的《精通Scrapy网络爬虫》的作者,该视频课程为此书的配套课程, 在书中内容的基础上增加、修改了部分实战案例。《精通Scrapy网络爬虫》这本书共14章,从逻辑上可分为基础篇和高级篇两部分,基础篇重点介绍Scrapy的核心元素,如spider、selector、item、link等;高级篇讲解爬虫的高级话题,如登录认证、文件下载、执行JavaScript、动态网页爬取、使用HTTP代理、分布式爬虫的编写等,并配合项目案例讲解,包括供练习使用的网站,以及京东、知乎、豆瓣、360爬虫案例等。《精通Scrapy网络爬虫》案例丰富,注重实践,代码注释详尽。《精通Scrapy网络爬虫》书籍目录:第1章 初识Scrapy 1 1.1 网络爬虫是什么 1 1.2 Scrapy简介及安装 2 1.3 编写第一个Scrapy爬虫 3 1.3.1 项目需求 4 1.3.2 创建项目 4 1.3.3 分析页面 5 1.3.4 实现Spider 6 1.3.5 运行爬虫 8 1.4 本章小结 11 第2章 编写Spider 12 2.1 Scrapy框架结构及工作原理 12 2.2 Request和Response对象 14 2.2.1 Request对象 15 2.2.2 Response对象 16 2.3 Spider开发流程 18 2.3.1 继承scrapy.Spider 19 2.3.2 为Spider命名 20 2.3.3 设定起始爬取点 20 2.3.4 实现页面解析函数 22 2.4 本章小结 22 第3章 使用Selector提取数据 23 3.1 Selector对象 23 3.1.1 创建对象 24 3.1.2 选中数据 25 3.1.3 提取数据 26 3.2 Response内置Selector 28 3.3 XPath 29 3.3.1 基础语法 30 3.3.2 常用函数 35 3.4 CSS选择器 36 3.5 本章小结 40 第4章 使用Item封装数据 41 4.1 Item和Field 42 4.2 拓展Item子类 44 4.3 Field元数据 44 4.4 本章小结 47 第5章 使用Item Pipeline处理数据 48 5.1 Item Pipeline 48 5.1.1 实现Item Pipeline 49 5.1.2 启用Item Pipeline 50 5.2 更多例子 51 5.2.1 过滤重复数据 51 5.2.2 将数据存入MongoDB 54 5.3 本章小结 57 第6章 使用LinkExtractor提取链接 58 6.1 使用LinkExtractor 59 6.2 描述提取规则 60 6.3 本章小结 65 第7章 使用Exporter导出数据 66 7.1 指定如何导出数据 67 7.1.1 命令行参数 67 7.1.2 配置文件 69 7.2 添加导出数据格式 70 7.2.1 源码参考 70 7.2.2 实现Exporter 72 7.3 本章小结 74 第8章 项目练习 75 8.1 项目需求 77 8.2 页面分析 77 8.3 编码实现 83 8.4 本章小结 88 第9章 下载文件和图片 89 9.1 FilesPipeline和ImagesPipeline 89 9.1.1 FilesPipeline使用说明 90 9.1.2 ImagesPipeline使用说明 91 9.2 项目实战:爬取matplotlib例子源码文件 92 9.2.1 项目需求 92 9.2.2 页面分析 94 9.2.3 编码实现 96 9.3 项目实战:下载360图片 103 9.3.1 项目需求 104 9.3.2 页面分析 104 9.3.3 编码实现 107 9.4 本章小结 109 第10章 模拟登录 110 10.1 登录实质 110 10.2 Scrapy模拟登录 114 10.2.1 使用FormRequest 114 10.2.2 实现登录Spider 117 10.3 识别验证码 119 10.3.1 OCR识别 119 10.3.2 网络平台识别 123 10.3.3 人工识别 127 10.4 Cookie登录 128 10.4.1 获取浏览器Cookie 128 10.4.2 CookiesMiddleware源码分析 129 10.4.3 实现BrowserCookies-Middleware 132 10.4.4 爬取知乎个人信息 133 10.5 本章小结 135 第11章 爬取动态页面 136 11.1 Splash渲染引擎 140 11.1.1 render.html端点 141 11.1.2 execute端点 142 11.2 在Scrapy中使用Splash 145 11.3 项目实战:爬取toscrape中的名人名言 146 11.3.1 项目需求 146 11.3.2 页面分析 146 11.3.3 编码实现 147 11.4 项目实战:爬取京东商城中的书籍信息 149 11.4.1 项目需求 149 11.4.2 页面分析 149 11.4.3 编码实现 152 11.5 本章小结 154 第12章 存入数据库 155 12.1 SQLite 156 12.2 MySQL 159 12.3 MongoDB 165 12.4 Redis 169 12.5 本章小结 173 第13章 使用HTTP代理 174 13.1 HttpProxyMiddleware 175 13.1.1 使用简介 175 13.1.2 源码分析 177 13.2 使用多个代理 179 13.3 获取免费代理 180 13.4 实现随机代理 184 13.5 项目实战:爬取豆瓣电影信息 187 13.5.1 项目需求 188 13.5.2 页面分析 189 13.5.3 编码实现 194 13.6 本章小结 198 第14章 分布式爬取 199 14.1 Redis的使用 200 14.1.1 安装Redis 200 14.1.2 Redis基本命令 201 14.2 scrapy-redis源码分析 206 14.2.1 分配爬取任务部分 207 14.2.2 汇总爬取数据部分 214 14.3 使用scrapy-redis进行分布式爬取 217 14.3.1 搭建环境 217 14.3.2 项目实战 218 14.4 本章小结 224 

python scrapy 爬虫
下 载 12人已下载
分享