Python3 网络爬虫开发实战教程 | 珊瑚贝

2022 年 Python3 网络爬虫教程

大家好，我是崔庆才，由于爬虫技术不断迭代升级，一些旧的教程已经过时、案例已经过期，最前沿的爬虫技术比如异步、JavaScript 逆向、安卓逆向、智能解析、WebAssembly、大规模分布式、Kubernetes 等技术层出不穷，我最近新出了一套最新最全面的 Python3 网络爬虫系列教程。

博主自荐：截止 2022 年，可以将最前沿最全面的爬虫技术都涵盖的教程，如异步、JavaScript 逆向、安卓逆向、智能解析、WebAssembly、大规模分布式、Kubernetes 等，市面上目前就这一套了。

最新教程对旧的爬虫技术内容进行了全面更新，搭建了全新的案例平台进行全面讲解，保证案例稳定有效不过期。

教程请移步：

【2022 版】Python3 网络爬虫学习教程

2018 年 Python3 爬虫系列教程

以下为 2018 年版 Python3 网络爬虫系列教程

本内容来自于《Python3 网络爬虫开发实战》一书。 书籍购买地址： https://item.jd.com/12333540.html

本书通过多个实战案例详细介绍了 Python3 网络爬虫的知识，本书由图灵教育 – 人民邮电出版社出版发行，版权所有，禁止转载。

• 1 – 开发环境配置
• 1.1-Python3 的安装
• 1.2 – 请求库的安装
• 1.2.1-Requests 的安装
• 1.2.2-Selenium 的安装
• 1.2.3-ChromeDriver 的安装
• 1.2.4-GeckoDriver 的安装
• 1.2.5-PhantomJS 的安装
• 1.2.6-aiohttp 的安装
• 1.3 – 解析库的安装
• 1.3.1-lxml 的安装
• 1.3.2-Beautiful Soup 的安装
• 1.3.3-pyquery 的安装
• 1.3.4-tesserocr 的安装
• 1.4 – 数据库的安装
• 1.4.1-MySQL 的安装
• 1.4.2-MongoDB 安装
• 1.4.3-Redis 的安装
• 1.5 – 存储库的安装
• 1.5.1-PyMySQL 的安装
• 1.5.2-PyMongo 的安装
• 1.5.3-redis-py 的安装
• 1.5.4-RedisDump 的安装
• 1.6-Web 库的安装
• 1.6.1-Flask 的安装
• 1.6.2-Tornado 的安装
• 1.7-App 爬取相关库的安装
• 1.7.1-Charles 的安装
• 1.7.2-mitmproxy 的安装
• 1.7.3-Appium 的安装
• 1.8 – 爬虫框架的安装
• 1.8.1-pyspider 的安装
• 1.8.2-Scrapy 的安装
• 1.8.3-Scrapy-Splash 的安装
• 1.8.4-Scrapy-Redis 的安装
• 1.9 – 部署相关库的安装
• 1.9.1-Docker 的安装
• 1.9.2-Scrapyd 的安装
• 1.9.3-Scrapyd-Client 的安装
• 1.9.4-Scrapyd API 的安装
• 1.9.5-Scrapyrt 的安装
• 1.9.6-Gerapy 的安装
• 2 – 爬虫基础
• 2.1-HTTP 基本原理
• 2.2 – 网页基础
• 2.3 – 爬虫的基本原理
• 2.4 – 会话和 Cookies
• 2.5 – 代理的基本原理
• 3 – 基本库的使用
• 3.1 – 使用 urllib
• 3.1.1 – 发送请求
• 3.1.2 – 处理异常
• 3.1.3 – 解析链接
• 3.1.4 – 分析 Robots 协议
• 3.2 – 使用 requests
• 3.2.1 – 基本用法
• 3.2.2 – 高级用法
• 3.3 – 正则表达式
• 3.4 – 抓取猫眼电影排行
• 4 – 解析库的使用
• 4.1 – 使用 XPath
• 4.2 – 使用 Beautiful Soup
• 4.3 – 使用 pyquery
• 5 – 数据存储
• 5.1 – 文件存储
• 5.1.1-TXT 文本存储
• 5.1.2-JSON 文件存储
• 5.1.3-CSV 文件存储
• 5.2 – 关系型数据库存储
• 5.2.1-MySQL 存储
• 5.3 – 非关系型数据库存储
• 5.3.1-MongoDB 存储
• 5.3.2-Redis 存储
• 6-Ajax 数据爬取
• 6.1 – 什么是 Ajax
• 6.2-Ajax 分析方法
• 6.3-Ajax 结果提取
• 6.4 – 分析 Ajax 爬取今日头条街拍美图
• 7 – 动态渲染页面爬取
• 7.1-Selenium 的使用
• 7.2-Splash 的使用
• 7.3-Splash 负载均衡配置
• 7.4 – 使用 Selenium 爬取淘宝商品
• 8 – 验证码的识别
• 8.1 – 图形验证码的识别
• 8.2 – 极验滑动验证码的识别
• 8.3 – 点触验证码的识别
• 8.4 – 微博宫格验证码的识别
• 9 – 代理的使用
• 9.1 – 代理的设置
• 9.2 – 代理池的维护
• 9.3 – 付费代理的使用
• 9.4-ADSL 拨号代理
• 9.5 – 使用代理爬取微信公众号文章
• 10 – 模拟登录
• 10.1 – 模拟登录并爬取 GitHub
• 10.2-Cookies 池的搭建
• 11-App 的爬取
• 11.1-Charles 的使用
• 11.2-mitmproxy 的使用
• 11.3-mitmdump 爬取 “得到” App 电子书信息
• 11.4-Appium 的基本使用
• 11.5-Appium 爬取微信朋友圈
• 11.6-Appium+mitmdump 爬取京东商品
• 12-pyspider 框架的使用
• 12.1-pyspider 框架介绍
• 12.2-pyspider 的基本使用
• 12.3-pyspider 用法详解
• 13-Scrapy 框架的使用
• 13.1-Scrapy 框架介绍
• 13.2-Scrapy 入门
• 13.3-Selector 的用法
• 13.4-Spider 的用法
• 13.5-Downloader Middleware 的用法
• 13.6-Spider Middleware 的用法
• 13.7-Item Pipeline 的用法
• 13.8-Scrapy 对接 Selenium
• 13.9-Scrapy 对接 Splash
• 13.10-Scrapy 通用爬虫
• 13.11-Scrapyrt 的使用
• 13.12-Scrapy 对接 Docker
• 13.13-Scrapy 爬取新浪微博
• 14 – 分布式爬虫
• 14.1 – 分布式爬虫原理
• 14.2-Scrapy-Redis 源码解析
• 14.3-Scrapy 分布式实现
• 14.4-Bloom Filter 的对接
• 15 – 分布式爬虫的部署
• 15.1-Scrapyd 分布式部署
• 15.2-Scrapyd-Client 的使用
• 15.3-Scrapyd 对接 Docker
• 15.4-Scrapyd 批量部署
• 15.5-Gerapy 分布式管理