Python爬虫技术——深入理解原理、技术与开发（宁哥大讲堂）

　　《Python爬虫技术：深入理解原理、技术与开发/宁哥大讲堂》从实战角度系统讲解Python爬虫的核心知识点，并通过大量的真实项目让读者熟练掌握Python爬虫技术。
　　《Python爬虫技术：深入理解原理、技术与开发/宁哥大讲堂》用20多个实战案例，完美演绎了使用各种技术编写Python爬虫的方式，读者可以任意组合这些技术，完成非常复杂的爬虫应用。
　　《Python爬虫技术：深入理解原理、技术与开发/宁哥大讲堂》共20章，分为5篇。第1篇基础知识（第1、2章），主要包括Python运行环境的搭建、HTTP基础、网页基础（HTML、CSS、JavaScript等）、爬虫的基本原理、Session与Cookie。第2篇网络库（第3～6章），主要包括网络库urllib、urllib3、requests和Twisted的核心使用方法，如发送HTTP请求、处理超时、设置HTTP请求头、搭建和使用代理、解析链接、Robots协议等。第3篇解析库（第7～10章），主要包括3个常用解析库（lxml、BeautifulSoup和pyquery）的使用方法，同时介绍多种用于分析HTML代码的技术，如正则表达式、XPath、CSS选择器、方法选择器等。第4篇数据存储（第11、12章），主要包括Python中数据存储的解决方案，如文件存储和数据库存储，其中数据库存储包括多种数据库，如本地数据库SQLite、网络数据库MySQL以及文档数据库MongoDB。第5篇爬虫高级应用（第13～20章），主要包括Python爬虫的一些高级技术，如抓取异步数据、Selenium、Splash、抓取移动App数据、Appium、多线程爬虫、爬虫框架Scrapy，最后给出一个综合的实战案例，综合了Python爬虫、数据存储、PyQt5、多线程、数据可视化、Web等多种技术实现一个可视化爬虫。
　　《Python爬虫技术：深入理解原理、技术与开发/宁哥大讲堂》可以作为广大计算机软件技术开发者、互联网技术研究人员学习“爬虫技术”的参考用书。也可以作为高等院校计算机科学与技术、软件工程、人工智能等专业的教学参考用书。

李宁，欧瑞科技创始人/CEO，宁哥教育创始人，东北大学计算机专业硕士。曾任国内某大型软件公司项目经理、宁哥教育教学总监、腾讯课堂特约讲师、51CTO学院讲师、CSDN特级讲师。从事软件研究和开发超过15年，一直从事Python、人工智能、区块链、JavaScript、Node.js、Java以及跨平台技术的研究和技术指导工作，对国内外相关领域的技术、理论和实践有很深的理解和研究。

JetBrains大中华区市场部经理赵磊作序！超过300个实战案例，10万行源代码，22个综合实战项目，海量学习资料，1000套中英文简历模板。全书内容涵盖：
李宁 “私房菜谱”
? Python爬虫基础知识
? Python网络库
? Python解析库
? Python数据存储
? Python异步数据抓取
? Python移动App数据抓取
? Python可见即可爬
? Python Scrapy实战
? Python项目实战
李宁“实战项目”
? 抓取小说目录与正文
? 抓取豆瓣网图书榜单
? 抓取房屋租赁信息
? 抓取豆瓣网音乐排行榜
? 抓取百度网站图片搜索中的图片
? 抓取QQ空间说说
? 可视化爬虫抓取和分析网店图书评论

　　Python现在非常火爆。但Python就和英语一样，如果只会Python语言，就相当于只能用英语进行日常会话。然而，真正的英语高手是可以作为专业领域翻译的，如IT、金融、数学等专业领域。Python也是一样，光学习Python语言是不行的，要想找到更好的工作，或得到更高的薪水，需要学会用Python做某一领域的应用。
　　现在Python应用的热门领域比较广，例如人工智能，不过人工智能不光涉及Python语言本身的技术，还涉及数学领域的知识，虽然比较火爆，但绝对不是短时间可以掌握的。然后有一个领域与人工智能的火爆程度相当，但不像人工智能那样难入门，这就是爬虫领域。
　　为什么爬虫领域如此火爆呢？其实爬虫的基本功能就是从网上下载各种类型的数据（如HTML、图像文件等）。但不要小瞧这些下载的数据，因为这些数据将成为很多应用的数据源。例如，著名的Google搜索引擎，每天都会有数以亿计的查询请求，而搜索引擎为这些请求返回的数据，都是来源于强大的爬虫。编写搜索引擎的第一步就是通过爬虫抓取整个互联网的数据，然后将这些数据库保存到本地（以特定的数据格式），接下来就是对这些数据进行分析整理。然后才可以通过搜索引擎进行查询。虽然搜索引擎的实现技术非常多，也非常复杂，但爬虫是1，其他的所有技术都是0，如果没有爬虫搜集数据，再强大的分析程序也毫无用武之地。
　　除了搜索引擎外，人工智能中的重要分支深度学习也需要爬虫抓取的数据来训练模型。例如，要想训练一个识别金字塔的深度学习模型，就需要大量与金字塔相关的图片进行训练。最简单的方式，就是使用百度或谷歌搜索金字塔图片，然后用爬虫抓取这些图片到本地。这是利用了搜索引擎通过关键字分类的特性，并且重新利用了这些分类的图片。
　　通过这些例子可以了解到，学习爬虫是进入其他更高端领域的钥匙，所以学习Python爬虫将成为第一个需要选择的热门领域。
　　尽管爬虫的基本功能是下载文件，但一个复杂的爬虫应用，可不光涉及网络技术。将数据下载后，还需要对数据进行分析，提取需要的信息，以及进行数据可视化，甚至需要一个基于UI的可视化爬虫。所以与爬虫有关的技术还是很多的。
　　由于Pythonp爬虫涉及的技术很多，学习资料过于分散。所以，笔者觉得很有必要编写一本全面介绍Python爬虫实战类的书籍，在书中分享笔者对Python爬虫以及相关技术的理解和经验，帮助同行和感兴趣的朋友快速入门，并利用Python语言编写各种复杂的爬虫应用。笔者希望本书能起到抛砖引玉的作用，使读者对Python爬虫以及相关技术产生浓厚的兴趣，并能成功进入Python爬虫领域。加油！高薪的工作在等着你们！

前言
第1篇 基础知识
第1章 开发环境配置
1．1 安装官方的Python运行环境
1．2 配置PATH环境变量
1．3 安装AnacondaPython开发环境
1．4 安装PyCharm
1．5 配置PyCharm
1．6 小结
第2章 爬虫基础
2．1 HTTP基础
2．1．1 URI和URL
2．1．2 超文本
2．1．3 HTTP与HTTPS
2．1．4 HTTP的请求过程
2．1．5 请求
2．1．6 响应
2．2 网页基础
2．2．1 HTML
2．2．2 CSS
2．2．3 CSS选择器
2．2．4 JavaScript
2．3 爬虫的基本原理
2．3．1 爬虫的分类
2．3．2 爬虫抓取数据的方式和手段
2．4 Session与Cookie
2．4．1 静态页面和动态页面
2．4．2 无状态HTTP与Cookie
2．4．3 利用Session和Cookie保持状态
2．4．4 查看网站的Cookie
2．4．5 HTTP状态何时会失效
2．5 实战案例：抓取所有的网络资源
2．6 实战案例：抓取博客文章列表
2．7 小结

第2篇 网络库
第3章 网络库urllib
3．1 urllib简介
3．2 发送请求与获得响应
3．2．1 用urlopen函数发送HTTPGET请求
3．2．2 用urlopen函数发送HTTPPOST请求
3．2．3 请求超时
3．2．4 设置HTTP请求头
3．2．5 设置中文HTTP请求头
3．2．6 请求基础验证页面
3．2．7 搭建代理与使用代理
3．2．8 读取和设置Cookie
3．3 异常处理
3．3．1 URLError
3．3．2 HTTPError
3．4 解析链接
3．4．1 拆分与合并URL（urlparse与urlunparse）
3．4．2 另一种拆分与合并URL的方式（urlsplit与urlunsplit）
3．4．3 连接URL（urljoin）
3．4．4 URL编码（urlencode）
3．4．5 编码与解码（quote与unquote）
3．4．6 参数转换（parse_qs与parse_qsl）
3．5 Robots协议
3．5．1 Robots协议简介
3．5．2 分析Robots协议
3．6 小结
第4章 网络库u川ib3
4．1 urllib3简介
4．2 urllib3模块
4．3 发送HTTPGET请求
4．4 发送HTTPPOST请求
4．5 HTTP请求头
4．6 HTTP响应Z头
4．7 上传文件
4．8 超时
4．9 小结
第5章 网络库requests
5．1 基本用法
5．1．1 requests的HelIoWorld
5．1．2 GET请求
5．1．3 添加HTTP请求头
5．1．4 抓取二进制数据
5．1．5 POST请求
5．1．6 响应数据
5．2 高级用法
5．2．1 上传文件
5．2．2 处理Cookie
5．2．3 使用同一个会话（Session）
5．2．4 SSL证书验证
5．2．5 使用代理
5．2．6 超时
5．2．7 身份验证
5．2．8 将请求打包
5．3 小结
第6章 Twisted网络框架
……

第3篇 解析库
第4篇 数据存储
第5篇 爬虫高级应用