眾所周知python的拿手好戲就是爬蟲抓取數(shù)據(jù)，性能優(yōu)秀，抓取時(shí)間快，消耗低，這是python的優(yōu)勢。學(xué)會(huì)了爬蟲后那我們就可以抓取競爭對手的數(shù)據(jù)，可以對數(shù)據(jù)進(jìn)行分析，或者拿來使用（作者不贊成這樣做哦）。最重要是對數(shù)據(jù)進(jìn)行分析，這樣對我們的運(yùn)營自己的產(chǎn)品，提高用戶的新增或留存都是很有幫助的，正所謂現(xiàn)在是大數(shù)據(jù)年代，沒有數(shù)據(jù)我們也能利用別人的數(shù)據(jù)。

那要怎樣才能更好去學(xué)習(xí)python爬蟲呢？今天推薦一本最新使用python3的書籍，值得閱讀。

《Python 3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)》PDF高清+示例源碼，帶目錄和書簽，文字可以復(fù)制粘貼；配套源代碼；

鏈接：https://pan.baidu.com/s/1x1e3AEiGFprjOjZ-5jWTwQ

提取碼：zh1i

介紹了如何利用Python 3開發(fā)網(wǎng)絡(luò)爬蟲，書中首先介紹了環(huán)境配置和基礎(chǔ)知識(shí)，然后討論了urllib、requests、正則表達(dá)式、Beautiful Soup、XPath、pyquery、數(shù)據(jù)存儲(chǔ)、Ajax數(shù)據(jù)爬取等內(nèi)容，接著通過多個(gè)案例介紹了不同場景下如何實(shí)現(xiàn)數(shù)據(jù)爬取，后介紹了pyspider框架、Scrapy框架和分布式爬蟲。適合Python程序員閱讀。

一共分為15章。

第1章介紹了本書所涉及的所有環(huán)境的配置詳細(xì)流程，兼顧Windows、Linux、Mac三大平臺(tái)。本章不用逐節(jié)閱讀，需要的時(shí)候查閱即可。

第2章介紹了學(xué)習(xí)爬蟲之前需要了解的基礎(chǔ)知識(shí)，如HTTP、爬蟲、代理的基本原理、網(wǎng)頁基本結(jié)構(gòu)等內(nèi)容，對爬蟲沒有任何了解的讀者建議好好了解這一章的知識(shí)。

第3章介紹了最基本的爬蟲操作，一般學(xué)習(xí)爬蟲都是從這一步學(xué)起的。這一章介紹了最基本的兩個(gè)請求庫（urllib和requests）和正則表達(dá)式的基本用法。學(xué)會(huì)了這一章，就可以掌握最基本的爬蟲技術(shù)了。

第4章介紹了頁解析庫的基本用法，包括Beautiful Soup、XPath、pyquery的基本使用方法，它們可以使得信息的提取更加方便、快捷，是爬蟲必備利器。

第5章介紹了數(shù)據(jù)存儲(chǔ)的常見形式及存儲(chǔ)操作，包括TXT、JSON、CSV各種文件的存儲(chǔ)，以及關(guān)系型數(shù)據(jù)庫MySQL和非關(guān)系型數(shù)據(jù)庫MongoDB、Redis存儲(chǔ)的基本存儲(chǔ)操作。學(xué)會(huì)了這些內(nèi)容，我們可以靈活方便地保存爬取下來的數(shù)據(jù)。

第6章介紹了Ajax數(shù)據(jù)爬取的過程，一些網(wǎng)頁的數(shù)據(jù)可能是通過Ajax請求API接口的方式加載的，用常規(guī)方法無法爬取，本章介紹了使用Ajax進(jìn)行數(shù)據(jù)爬取的方法。

第7章介紹了動(dòng)態(tài)渲染頁面的爬取，現(xiàn)在越來越多的網(wǎng)站內(nèi)容是經(jīng)過JavaScript渲染得到的，而原始HTML文本可能不包含任何有效內(nèi)容，而且渲染過程可能涉及某些JavaScript加密算法，可以使用Selenium、Splash等工具來實(shí)現(xiàn)模擬瀏覽器進(jìn)行數(shù)據(jù)爬取的方法。

第8章介紹了驗(yàn)證碼的相關(guān)處理方法。驗(yàn)證碼是網(wǎng)站反爬蟲的重要措施，我們可以通過本章了解到各類驗(yàn)證碼的應(yīng)對方案，包括圖形驗(yàn)證碼、極驗(yàn)驗(yàn)證碼、點(diǎn)觸驗(yàn)證碼、微博宮格驗(yàn)證碼的識(shí)別。

第9章介紹了代理的使用方法，限制IP的訪問也是網(wǎng)站反爬蟲的重要措施。另外，我們也可以使用代理來偽裝爬蟲的真實(shí)IP，使用代理可以有效解決這個(gè)問題。通過本章，我們了解到代理的使用方法，還學(xué)習(xí)了代理池的維護(hù)方法，以及ADSL撥號(hào)代理的使用方法。

第10章介紹了模擬登錄爬取的方法，某些網(wǎng)站需要登錄才可以看到需要的內(nèi)容，這時(shí)就需要用爬蟲模擬登錄網(wǎng)站再進(jìn)行爬取了。本章介紹了最基本的模擬登錄方法以及維護(hù)一個(gè)Cookies池的方法。

第11章介紹了App的爬取方法，包括基本的Charles、mitmproxy抓包軟件的使用。此外，還介紹了mitmdump對接Python腳本進(jìn)行實(shí)時(shí)抓取的方法，以及使用Appium完全模擬手機(jī)App的操作進(jìn)行爬取的方法。

第12章介紹了pyspider爬蟲框架及用法，該框架簡潔易用、功能強(qiáng)大，可以節(jié)省大量開發(fā)爬蟲的時(shí)間。本章結(jié)合案例介紹了使用該框架進(jìn)行爬蟲開發(fā)的方法。

第13章介紹了Scrapy爬蟲框架及用法。Scrapy是目前使用最廣泛的爬蟲框架，本章介紹了它的基本架構(gòu)、原理及各個(gè)組件的使用方法，另外還介紹了Scrapy通用化配置、對接Docker的一些方法。

第14章介紹了分布式爬蟲的基本原理及實(shí)現(xiàn)方法。為了提高爬取效率，分布式爬蟲是必不可少的，本章介紹了使用Scrapy和Redis實(shí)現(xiàn)分布式爬蟲的方法。

第15章介紹了分布式爬蟲的部署及管理方法。方便快速地完成爬蟲的分布式部署，可以節(jié)省開發(fā)者大量的時(shí)間。本章結(jié)合Scrapy、Scrapyd、Docker、Gerapy等工具介紹了分布式爬蟲部署和管理的實(shí)現(xiàn)。

如果你喜歡實(shí)體書，或者想支持一下正版也可以通過掃描二維碼購買哦！