Python3網路爬蟲開發實戰第2版

內容簡介

本書介紹了如何利用 Python 3 開發網路爬蟲。本書為第 2 版，相比於第 1 版，為每個知識點的實戰項目配備了針對性的練習平台，避免了案例過期的問題。另外，主要增加了異步爬蟲、JavaScript 逆向、App 逆向、頁面智慧型解析、深度學習識別驗證碼、Kubernetes 運維及部署等知識點，同時也對各個爬蟲知識點涉及的請求、存儲、解析、測試等工具進行了豐富和更新。

本書適合Python 程式設計師閱讀。

圖書目錄

第 1章　爬蟲基礎 1

1．1　HTTP基本原理　1

1．2　Web 網頁基礎　12

1．3　爬蟲的基本原理　19

1．4　Session和Cookie　21

1．5　代理的基本原理　24

1．6　多執行緒和多進程的基本原理　26

第　2章基本庫的使用　29

2．1　urllib的使用　29

2．2　requests的使用　47

2．3　正則表達式　63

2．4　httpx的使用　73

2．5　基礎爬蟲多和辯籃案例實戰　78

第3章　網頁數據的解析提取　90

3．1　XPath的踏跨使用　90

3．2　Beautiful Soup的使用　99

3．3　pyquery的使用　113

3．4　parsel 的使用　124

第4章　數據的存儲　128

4．1　TXT 文本檔案存儲　128

4．2　JSON 檔案存儲　130

4．3　CSV 檔案存儲　134

4．4　MySQL 存儲　138

4．5　MongoDB 文檔存儲　144

4．6　Redis快取存儲　151

4．7　Elasticsearch 搜尋引擎存儲　159

4．8　RabbitMQ 的使用　166

第5章　Ajax 數據爬取　174

5．1　什麼是 Ajax　174

5．2　Ajax分析方法　176

5．3　Ajax 分析與爬取實戰　179

第6章　異步爬蟲　191

6．1　協程的基本原理　191

6．2　aiohttp的使用　201

6．3　aiohttp 異步爬取實戰　207

第7章　JavaScript 動態渲染頁面爬取　212

7．1　Selenium 的使用　212

7．2　Splash 的使用　226

7．3　Pyppeteer 的使用　242

7．禁洪道漿4　Playwright 的使用　257

7．5　Selenium 爬取實戰　269

7．6　Pyppeteer 爬取實戰　276

7．7　CSS 位置偏移反爬案例分析與爬取實戰　282

7．8　字型反爬案例分析與爬取屑挨糊實戰　287

第8章　驗證碼的識別　293

8．1　使用 OCR 技術識別圖形驗證碼　293

8．2　使用 OpenCV 識別滑動驗證碼的缺口　298

8．3　使用深度學習識別圖形驗證碼　304

8．4　使用深度學習識別滑動驗證碼的缺口　309

8．5　使用打碼平台識別驗證碼　316

8．6　手機驗證她謎雄碼的自動化處理　324

第9章　代理的使用　331

9．1　代理的設定　331

9．2　代理池的維護　340

9．3　付費代理的使用　351

9．4　ADSL 撥號代理的搭建方法　357

9．5　代理反爬案例爬取實戰　365

第　10章模擬登錄　373

10．1　模擬登錄的基本原理　373

10．2　基於Session和Cookie的模擬登錄爬取實戰　376

10．3　基於JWT的模頁屑白擬登錄爬取實戰　381

10．4　大規模賬號池的搭建　385

第　11章 JavaScript 逆向爬蟲　397

11．1　網站加密和混淆技術簡介　397

11．2　瀏覽器調試常用技殼騙墓巧　413

11．3　JavaScript Hook 的使用　430

11．4　無限 debugger 的原理與繞過　440

11．5　使用 Python 模擬執行 JavaScript　445

11．6　使用 Node．js 模擬執行 JavaScript　451

11．7　瀏覽器環境下 JavaScript 的模擬執行　454

11．8　AST 技術簡介　460

11．9　使用 AST 技術還原混淆代碼　472

11．10　特殊混淆案例的還原　480

11．11　WebAssembly 案例分析和爬取實戰　490

11．12　JavaScript 逆向技巧總結　498

11．13　JavaScript 逆向爬取實戰　505

第　12章 App 數據的爬取　530

12．1　Charles 抓包工具的使用　530

12．2　mitmproxy 抓包工具的使用　538

12．3　mitmdump 實時抓包處理　544

12．4　Appium 的使用　551

12．5　基於 Appium 的 App 爬取實戰　562

12．6　Airtest 的使用　568

12．7　基於 Airtest 的 App 爬取實戰　585

12．8　手機群控爬取實戰　591

12．9　雲手機的使用　594

第　13章 Android 逆向　603

13．1　jadx 的使用　603

13．2　JEB 的使用　615

13．3　Xposed 框架的使用　624

13．4　基於 Xposed 的爬取實戰案例　635

13．5　Frida 的使用　643

13．6　SSL Pining 問題的解決方案　650

13．7　Android 脫殼技術簡介與實戰　657

13．8　利用 IDA Pro 靜態分析和動態調試 so 檔案　664

13．9　基於 Frida-RPC 模擬執行 so 檔案　680

13．10　基於 AndServer-RPC 模擬執行 so 檔案　685

13．11　基於 unidbg 模擬執行 so 檔案　692

第　14章頁面智慧型解析　700

14．1　頁面智慧型解析簡介　700

14．2　詳情頁智慧型解析算法簡介　707

14．3　詳情頁智慧型解析算法的實現　714

14．4　列表頁智慧型解析算法簡介　722

14．5　列表頁智慧型解析算法的實現　727

14．6　如何智慧型分辨列表頁和詳情頁　735

第　15章 Scrapy框架的使用　739

15．1　Scrapy框架介紹　739

15．2　Scrapy入門　743

15．3　Selector 的使用　754

15．4　Spider 的使用　759

15．5　Downloader Middleware的使用　766

15．6　Spider Middleware的使用　775

15．7　Item Pipeline的使用　781

15．8　Extension的使用　792

15．9　Scrapy 對接 Selenium　795

15．10　Scrapy 對接 Splash　801

15．11　Scrapy 對接 Pyppeteer　806

15．12　Scrapy 規則化爬蟲　813

15．13　Scrapy 實戰　827

第　16章分散式爬蟲　840

16．1　分散式爬蟲理念　840

16．2　Scrapy-Redis原理和源碼解析　842

16．3　基於Scrapy-Redis的分散式爬蟲實現　847

16．4　基於Bloom Filter進行大規模去重　851

16．5　基於RabbitMQ的分散式爬蟲　859

第　17章爬蟲的管理和部署　862

17．1　Scrapyd和ScrapydAPI的使用　862

17．2　Scrapyd-Client 的使用　867

17．3　Gerapy 爬蟲管理框架的使用　869

17．4　將Scrapy 項目打包成 Docker 鏡像　873

17．5　Docker Compose 的使用　878

17．6　Kubernetes的使用　880

17．7　用 Kubernetes 部署和管理 Scrapy 爬蟲　888

17．8　Scrapy 分散式爬蟲的數據統計方案　899

17．9　基於Prometheus和Grafana的分散式爬蟲監控方案　904

附錄　爬蟲與法律　917

作者簡介

崔慶才

微軟（中國）軟體工程師，北京航空航天大學碩士，主要研究網路爬蟲、Web 開發、機器學習等方向。

Python3網路爬蟲開發實戰第2版

基本介紹

內容簡介

圖書目錄

作者簡介

作者簡介

相關詞條

熱門詞條