第 1章　Python爬蟲(chóng)環(huán)境與爬蟲(chóng)簡(jiǎn)介　1 任務(wù)1.1　認(rèn)識(shí)爬蟲(chóng)　1 1.1.1　爬蟲(chóng)的概念　1 1.1.2　爬蟲(chóng)的原理　2 1.1.3　爬蟲(chóng)的合法性與robot.txt協(xié)議　4 任務(wù)1.2　認(rèn)識(shí)反爬蟲(chóng)　4 1.2.1　網(wǎng)站反爬蟲(chóng)的目的與手段　4 1.2.2　爬取策略制定　5 任務(wù)1.3　配置Python爬蟲(chóng)環(huán)境　6 1.3.1　Python爬蟲(chóng)相關(guān)庫(kù)介紹與配置　7 1.3.2　配置MySQL數(shù)據(jù)庫(kù)　7 1.3.3　配置MongoDB數(shù)據(jù)庫(kù)　16 小結(jié)　20 實(shí)訓(xùn)　Python爬蟲(chóng)環(huán)境配置　21 課后習(xí)題　21 第 2章　網(wǎng)頁(yè)前端基礎(chǔ)　23 任務(wù)2.1　認(rèn)識(shí)Python網(wǎng)絡(luò)編程　23 2.1.1　了解Python網(wǎng)絡(luò)編程Socket庫(kù)　24 2.1.2　使用Socket庫(kù)進(jìn)行TCP編程　26 2.1.3　使用Socket庫(kù)進(jìn)行UDP編程　28 任務(wù)2.2　認(rèn)識(shí)HTTP　29 2.2.1　熟悉HTTP請(qǐng)求方法與過(guò)程　30 2.2.2　熟悉常見(jiàn)HTTP狀態(tài)碼　32 2.2.3　熟悉HTTP頭部信息　33 2.2.4　熟悉Cookie　39 小結(jié)　41 實(shí)訓(xùn)　使用Socket庫(kù)連接百度首頁(yè)　41 課后習(xí)題　42 第3章　簡(jiǎn)單靜態(tài)網(wǎng)頁(yè)爬取　43 任務(wù)3.1　實(shí)現(xiàn)HTTP請(qǐng)求　43 3.1.1　使用urllib 3庫(kù)實(shí)現(xiàn)　44 3.1.2　使用Requests庫(kù)實(shí)現(xiàn)　47 任務(wù)3.2　解析網(wǎng)頁(yè)　52 3.2.1　使用Chrome開(kāi)發(fā)者工具查看網(wǎng)頁(yè)　52 3.2.2　使用正則表達(dá)式解析網(wǎng)頁(yè)　58 3.2.3　使用Xpath解析網(wǎng)頁(yè)　61 3.2.4　使用Beautiful Soup庫(kù)解析網(wǎng)頁(yè)　66 任務(wù)3.3　數(shù)據(jù)存儲(chǔ)　74 3.3.1　將數(shù)據(jù)存儲(chǔ)為JSON文件　74 3.3.2　將數(shù)據(jù)存儲(chǔ)到MySQL數(shù)據(jù)庫(kù)　75 小結(jié)　78 實(shí)訓(xùn)　79 實(shí)訓(xùn)1　生成GET請(qǐng)求并獲取指定網(wǎng)頁(yè)內(nèi)容　79 實(shí)訓(xùn)2　搜索目標(biāo)節(jié)點(diǎn)并提取文本內(nèi)容　79 實(shí)訓(xùn)3　在數(shù)據(jù)庫(kù)中建立新表并導(dǎo)入數(shù)據(jù)　80 課后習(xí)題　80 第4章　常規(guī)動(dòng)態(tài)網(wǎng)頁(yè)爬取　82 任務(wù)4.1　逆向分析爬取動(dòng)態(tài)網(wǎng)頁(yè)　82 4.1.1　了解靜態(tài)網(wǎng)頁(yè)和動(dòng)態(tài)網(wǎng)頁(yè)的區(qū)別　82 4.1.2　逆向分析爬取動(dòng)態(tài)網(wǎng)頁(yè)　85 任務(wù)4.2　使用Selenium庫(kù)爬取動(dòng)態(tài)網(wǎng)頁(yè)　88 4.2.1　安裝Selenium庫(kù)及下載瀏覽器補(bǔ)丁　88 4.2.2　打開(kāi)瀏覽對(duì)象并訪問(wèn)頁(yè)面　89 4.2.3　頁(yè)面等待　90 4.2.4　頁(yè)面操作　91 4.2.5　元素選取　93 4.2.6　預(yù)期條件　96 任務(wù)4.3　存儲(chǔ)數(shù)據(jù)至MongoDB數(shù)據(jù)庫(kù)　98 4.3.1　了解MongoDB數(shù)據(jù)庫(kù)和MySQL數(shù)據(jù)庫(kù)的區(qū)別　99 4.3.2　將數(shù)據(jù)存儲(chǔ)到MongoDB數(shù)據(jù)庫(kù)　100 小結(jié)　103 實(shí)訓(xùn)　103 實(shí)訓(xùn)1　爬取網(wǎng)頁(yè)“http://www.ptpress. com.cn”的推薦圖書(shū)信息　103 實(shí)訓(xùn)2　爬取某網(wǎng)頁(yè)的Java圖書(shū)信息　104 實(shí)訓(xùn)3　將數(shù)據(jù)存儲(chǔ)到MongoDB數(shù)據(jù)庫(kù)中　104 課后習(xí)題　104 第5章　模擬登錄　106 任務(wù)5.1　使用表單登錄方法實(shí)現(xiàn)模擬登錄　106 5.1.1　查找提交入口　106 5.1.2　查找并獲取需要提交的表單數(shù)據(jù)　108 5.1.3　使用POST請(qǐng)求方法登錄　112 任務(wù)5.2　使用Cookie登錄方法實(shí)現(xiàn)模擬登錄　114 5.2.1　使用瀏覽器Cookie登錄　115 5.2.2　基于表單登錄的Cookie登錄　117 小結(jié)　119 實(shí)訓(xùn)　119 實(shí)訓(xùn)1　使用表單登錄方法模擬登錄數(shù)睿思論壇　119 實(shí)訓(xùn)2　使用瀏覽器Cookie模擬登錄數(shù)睿思論壇　120 實(shí)訓(xùn)3　基于表單登錄后的Cookie模擬登錄數(shù)睿思論壇　120 課后習(xí)題　120 第6章　終端協(xié)議分析　122 任務(wù)6.1　分析PC客戶(hù)端抓包　122 6.1.1　了解HTTP Analyzer工具　122 6.1.2　爬取千千音樂(lè)PC客戶(hù)端數(shù)據(jù)　125 任務(wù)6.2　分析App抓包　126 6.2.1　了解Fiddler工具　127 6.2.2　分析人民日?qǐng)?bào)App　130 小結(jié)　132 實(shí)訓(xùn)　133 實(shí)訓(xùn)1　抓取千千音樂(lè)PC客戶(hù)端的推薦歌曲信息　133 實(shí)訓(xùn)2　爬取人民日?qǐng)?bào)App的旅游模塊信息　134 課后習(xí)題　134 第7章　Scrapy爬蟲(chóng)　135 任務(wù)7.1　認(rèn)識(shí)Scarpy　135 7.1.1　了解Scrapy爬蟲(chóng)的框架　135 7.1.2　熟悉Scrapy的常用命令　137 任務(wù)7.2　通過(guò)Scrapy爬取文本信息　138 7.2.1　創(chuàng)建Scrapy爬蟲(chóng)項(xiàng)目　138 7.2.2　修改items/pipelines腳本　140 7.2.3　編寫(xiě)spider腳本　143 7.2.4　修改settings腳本　148 任務(wù)7.3　定制中間件　152 7.3.1　定制下載器中間件　152 7.3.2　定制Spider中間件　156 小結(jié)　157 實(shí)訓(xùn)　157 實(shí)訓(xùn)1　爬取“http://www.tipdm.org”的所有新聞動(dòng)態(tài)　157 實(shí)訓(xùn)2　定制BdRaceNews爬蟲(chóng)項(xiàng)目的中間件　158 課后習(xí)題　158 附錄A　160 附錄B　163 參考文獻(xiàn)　166