本書以案例帶動知識點的講解，將Python爬蟲知識點分解到各個不同的案例，每個案例各有側重點。同時展示實際項目的設計思想和設計理念，使讀者可以舉一反三。
前言
自從20世紀80年代末Python語言誕生至今，它已被廣泛應用于處理系統管理任務和科學計算等領域，是頗受歡迎的程序設計語言。
因為Python 的語法簡潔易讀，讓眾多編程入門者不再望而卻步，所以各行各業的技術人員都開始將其
用于Web開發、爬蟲、數據清洗、自然語言處理、機器學習和人工智能等方面。其中，網絡爬蟲所需的獲取、存儲、整理等流程都可以使用Python系統地實現，相信讀者一定會把Python語言作為實現爬蟲的主要技術。
本書適合Python零基礎的讀者開發爬蟲項目，全書共13章內容。第1章是Python基礎入門，主要講解Python的基礎語法和面向對象編程基礎、圖形界面設計、文件使用、Python的第三方庫等知識，讀者可以輕松掌握Python基礎知識。已經學過Python的讀者可以直接從第2章開始學習。
第2章和第3章是爬蟲技術所必備的HTML基礎知識和網絡通信基礎知識。從第4章開始是實用爬蟲項目案例開發，綜合應用前面的基礎技術，并且每章都有新的爬蟲技術，如側重API獲取數據的“小小翻譯器”、應用動態網頁爬蟲技術開發的案例“抓取百度圖片”“爬取今日頭條新聞”、應用中文分詞技術的“校園網搜索引擎”、應用Selenium操作瀏覽器的“模擬登錄豆瓣網站”等案例。另外，第12章還介紹了Scrapy框架爬蟲，可以輕松實現強大的爬蟲功能。
本書具有以下特點：
(1) Python爬蟲設計涉及的范圍非常廣泛，本書內容編排并不求全、求深，而是考慮零基礎讀者的接受能力，對Python語言語法介紹以夠用、實用和應用為原則，選擇Python 中必備、實用的知識進行講解。
(2) 選取的爬蟲案例貼近生活，有助于提高學習興趣。
(3) 每個爬蟲案例均提供詳細的設計思路、關鍵技術分析及具體的解決方案。
本書配套資源豐富，包括教學大綱、教學課件、電子教案、程序源碼、教學進度表； 本書還配有650分鐘的微課視頻。
資源下載提示
課件等資源： 掃描封底的“課件下載”二維碼，在公眾號“書圈”下載。
素材(源碼)等資源： 掃描目錄上方的二維碼下載。
視頻等資源： 掃描封底刮刮卡中的二維碼，再掃描書中相應章節中的二維碼，可以在線學習。
本書由夏敏捷(中原工學院)主持編寫，尚展壘（鄭州輕工業大學）編寫第1~7章，劉濟宗(中原工學院)編寫第10章和第11章，高艷霞(中原工學院)編寫第12章，其余章節由夏敏捷編寫。在本書的編寫過程中，為確保內容的正確性，參閱了很多資料，并且得到了資深Python程序員的支持，張錦歌、張慎武參與了本書的校對和修訂工作，在此謹向他們表示衷心的感謝。
由于作者水平有限，書中難免疏漏和不足之處，敬請廣大讀者批評指正。
夏敏捷
2020年7月
主編 21世紀高等學校規劃教材 《Visual Basic.NET程序設計基礎與應用》2009-2 中國電力出版社
主編 《VB.NET程序設計教程》2012-12 中國水利水電出版社
主編《Visual C#.NET基礎與應用教程》 2014-05 清華大學出版社
主編《Flash AS動畫基礎與游戲設計》 2015-01 清華大學出版社
主編《Python程序設計》 2017-08 清華大學出版社
主編《C/C++程序設計教程——面向過程分冊》2017-09 電子工業出版社 （國家十二五規劃教材）
目錄
源碼下載
第1章Python基礎知識
1.1Python語言簡介
1.2Python語法基礎
1.2.1Python數據類型
1.2.2序列數據結構
1.2.3Python控制語句
1.2.4Python函數與模塊
1.3Python面向對象設計
1.3.1定義和使用類
1.3.2構造函數__init__
1.3.3析構函數
1.3.4實例屬性和類屬性
1.3.5私有成員與公有成員
1.3.6方法
1.3.7類的繼承
1.3.8多態
1.4Python 圖形界面設計
1.4.1創建Windows窗口
1.4.2幾何布局管理器
1.4.3Tkinter 組件
1.4.4Python事件處理
1.5Python文件的使用
1.5.1打開(建立)文件
1.5.2讀取文本文件
1.5.3寫文本文件
1.5.4文件的關閉
1.5.5操作Excel文檔
1.6Python的第三方庫
第2章HTML基礎知識和Python文本處理
2.1HTML基礎
2.1.1什么是HTML
2.1.2HTML的歷史
2.2HTML 4基礎和HTML 5新特性
2.2.1HTML 4基礎知識
2.2.2HTML 4基本標簽
2.2.3HTML 5的新特性
2.2.4在瀏覽器中查看HTML源代碼
2.3CSS語法基礎
2.3.1CSS基本語句
2.3.2在HTML文檔中應用CSS樣式
2.3.3CSS 選擇器
2.4Python文本處理
2.4.1字符串基本處理
2.4.2正則表達式
2.4.3正則表達式語法
2.4.4re模塊
2.4.5正則表達式的實際應用案例
2.5XPath
2.5.1lxml庫安裝
2.5.2XPath語法
2.5.3在Python中使用XPath
第3章網絡通信基礎知識
3.1網絡協議
3.1.1互聯網TCP/IP協議
3.1.2IP協議和端口
3.1.3TCP和UDP協議
3.1.4HTTP和HTTPS協議
3.1.5HTTP基本原理與機制
3.1.6使用Fiddler抓包驗證請求信息和響應信息
3.2Socket編程
3.2.1Socket的概念
3.2.2Socket提供的函數方法
3.2.3TCP協議編程
第4章小試牛刀——下載網站圖片
4.1HTTP下載網站圖片功能介紹
4.2程序設計的思路
4.3關鍵技術
4.3.1urllib庫簡介
4.3.2urllib庫的基本使用
4.3.3圖片文件下載到本地
4.4程序設計的步驟
第5章調用百度API獲取數據——小小翻譯器
5.1小小翻譯器功能介紹
5.2程序設計的思路
5.3關鍵技術
5.3.1urllib庫的高級使用
5.3.2使用User Agent隱藏身份
5.3.3JSON使用
5.4程序設計的步驟
5.4.1設計界面
5.4.2使用百度翻譯開放平臺API
5.5API調用拓展——爬取天氣預報信息
第6章動態網頁爬蟲應用——抓取百度圖片
6.1程序功能介紹
6.2程序設計的思路
6.3關鍵技術
6.3.1Ajax動態網頁
6.3.2BeautifulSoup庫概述
6.3.3BeautifulSoup庫操作解析HTML文檔樹
6.3.4requests庫的使用
6.3.5Ajax動態網頁爬取
6.4程序設計的步驟
6.4.1分析網頁源代碼和網頁結構
6.4.2設計代碼
6.5動態網頁爬蟲拓展——爬取今日頭條新聞
6.5.1找到JavaScript請求的數據接口
6.5.2分析JSON數據
6.5.3請求和解析數據接口
第7章Selenium操作瀏覽器應用——模擬登錄豆瓣網站
7.1模擬登錄程序功能介紹
7.2程序設計的思路
7.3關鍵技術
7.3.1安裝Selenium庫
7.3.2Selenium詳細用法
7.3.3Selenium應用實例
7.4程序設計的步驟
7.4.1Selenium定位iframe(多層框架)
7.4.2模擬登錄豆瓣網站
7.5基于Cookie繞過驗證碼實現自動登錄
7.5.1為什么要使用Cookie
7.5.2查看Cookie
7.5.3使用Cookie繞過百度驗證碼自動登錄賬戶
7.6Selenium實現Ajax動態加載抓取今日頭條新聞
7.6.1Selenium處理滾動條
7.6.2Selenium 動態加載抓取今日頭條新聞
7.7Selenium實現動態加載抓取新浪國內新聞
第8章微信網頁版協議API應用——微信機器人
8.1微信網頁版機器人功能介紹
8.2微信網頁版機器人設計思路
8.2.1分析微信網頁版API
8.2.2API匯總
8.2.3其他說明
8.3程序設計步驟
8.3.1微信網頁版運行流程
8.3.2程序目錄
8.3.3微信網頁版運行代碼實現
8.4微信網頁版機器人擴展功能
8.4.1自動回復
8.4.2群發消息、定時發送消息、好友狀態檢測
8.4.3自動邀請好友加入群聊
8.5微信庫itchat實現微信聊天機器人
8.5.1安裝itchat
8.5.2itchat的登錄微信
8.5.3itchat的消息類型
8.5.4itchat回復消息
8.5.5itchat獲取賬號
8.5.6itchat的一些簡單應用
8.5.7Python調用圖靈機器人API實現簡單的人機交互
8.5.8程序設計的步驟
8.5.9開發消息同步機器人
第9章爬蟲應用——校園網搜索引擎
9.1校園網搜索引擎功能分析
9.2校園網搜索引擎系統設計
9.3關鍵技術
9.3.1中文分詞
9.3.2安裝和使用jieba
9.3.3jieba添加自定義詞典
9.3.4文本分類的關鍵詞提取
9.3.5deque(雙向隊列)
9.4程序設計的步驟
9.4.1信息采集模塊——網絡爬蟲實現
9.4.2索引模塊——建立倒排詞表
9.4.3網頁排名和搜索模塊
第10章SQLite數據庫存儲——大河報紙媒爬蟲
10.1大河報紙媒爬蟲功能介紹
10.2大河報紙媒爬蟲設計思路
10.3關鍵技術
10.3.1訪問SQLite數據庫的步驟
10.3.2創建數據庫和表
10.3.3數據庫的插入、更新和刪除操作
10.3.4數據庫表的查詢操作
10.3.5數據庫使用實例——學生通訊錄
10.3.6requestshtml庫
10.4程序設計步驟
10.4.1獲取網頁
10.4.2數據入庫
第11章MySQL數據庫存儲——微博采集爬蟲
11.1微博采集爬蟲功能介紹
11.2微博采集爬蟲設計思路
11.3關鍵技術
11.3.1查看Cookie
11.3.2模擬登錄實例
11.3.3使用Python操作MySQL數據庫
11.3.4Base64加密
11.4程序設計步驟
11.4.1模擬登錄
11.4.2獲取網頁
11.4.3數據入庫
第12章Scrapy框架爬蟲
12.1Scrapy框架簡介與安裝
12.1.1Scrapy框架簡介
12.1.2Scrapy安裝
12.2第一個Scrapy爬蟲
12.2.1項目需求
12.2.2創建項目
12.2.3分析頁面
12.2.4定義數據類
12.2.5實現爬蟲
12.2.6配置爬蟲
12.2.7運行爬蟲
12.3Spider開發流程
12.3.1繼承scrapy.Spider
12.3.2為spider起名字
12.3.3設置起始爬取點
12.3.4實現頁面解析函數
12.4Scrapy選擇器
12.4.1Selector類
12.4.2Response內置Selector
12.4.3使用CSS選擇器
12.4.4爬取京東商品信息
12.5Scrapy數據容器
12.5.1Item和Field
12.5.2Item擴展
12.5.3爬取百度貼吧信息
12.6Scrapy常用命令行工具
12.6.1全局命令
12.6.2項目命令
12.7Scrapy數據處理
12.7.1實現Item Pipeline
12.7.2Item Pipeline舉例
12.7.3啟用Item Pipeline
12.8爬取文件和圖片
12.8.1FilesPipeline
12.8.2FilesPipeline實例
12.8.3ImagePipeline
12.8.4爬取百度圖片
12.9Scrapy模擬登錄
12.9.1模擬登錄分析
12.9.2代碼實現
第13章詞云實戰——爬取豆瓣影評生成詞云
13.1功能介紹
13.2程序設計的思路
13.3關鍵技術
13.3.1安裝WordCloud詞云
13.3.2使用WordCloud詞云
13.4程序設計的步驟
參考文獻
新書資訊