Java知识分享网 - 轻松学习从此开始!    

Java知识分享网

Java1234官方群25:java1234官方群17
Java1234官方群25:838462530
        
SpringBoot+SpringSecurity+Vue+ElementPlus权限系统实战课程 震撼发布        

最新Java全栈就业实战课程(免费)

AI人工智能学习大礼包

IDEA永久激活

66套java实战课程无套路领取

锋哥开始收Java学员啦!

Python学习路线图

锋哥开始收Java学员啦!
当前位置: 主页 > Java文档 > Python技术 >

PYTHON网络数据采集坛 PDF 下载


分享到:
时间:2025-06-29 07:42来源:http://www.java1234.com 作者:转载  侵权举报
PYTHON网络数据采集坛
失效链接处理
PYTHON网络数据采集坛 PDF 下载


下载地址:
版权归出版社和原作者所有,链接已删除,请购买正版

用户下载说明:

电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
https://product.dangdang.com/655437956.html
 

相关截图:



资料简介:

本书采用简洁强大的Python语言,介绍了网络数据采集,并为采集新式网络中的各种数据类型提供了全面的指导。第1部分重点介绍网络数据采集的基本原理:如何用Python从网络服务器请求信息,如何对服务器的响应进行基本处理,以及如何以自动化手段与网站进行交互。第二部分介绍如何用网络爬虫测试网站,自动化处理,以及如何通过更多的方式接入网络。


资料目录:


第一部分 创建爬虫

第1章 初见网络爬虫  2

1.1 网络连接  2

1.2 BeautifulSoup简介  4

1.2.1 安装BeautifulSoup  5

1.2.2 运行BeautifulSoup  7

1.2.3 可靠的网络连接  8

第2章 复杂HTML解析  11

2.1 不是一直都要用锤子  11

2.2 再端一碗BeautifulSoup  12

2.2.1 BeautifulSoup的find()和findAll()  13

2.2.2 其他BeautifulSoup对象  15

2.2.3 导航树  16

2.3 正则表达式  19

2.4 正则表达式和BeautifulSoup  23

2.5 获取属性  24

2.6 Lambda表达式  24

2.7 超越BeautifulSoup  25

第3章 开始采集  26

3.1 遍历单个域名  26

3.2 采集整个网站  30

3.3 通过互联网采集  34

3.4 用Scrapy采集  38

第4章 使用API  42

4.1 API概述  43

4.2 API通用规则  43

4.2.1 方法  44

4.2.2 验证  44

4.3 服务器响应  45

4.4 Echo Nest  46

4.5 Twitter API  48

4.5.1 开始  48

4.5.2 几个示例  50

4.6 Google API  52

4.6.1 开始  52

4.6.2 几个示例  53

4.7 解析JSON数据  55

4.8 回到主题  56

4.9 再说一点API  60

第5章 存储数据  61

5.1 媒体文件  61

5.2 把数据存储到CSV  64

5.3 MySQL  65

5.3.1 安装MySQL  66

5.3.2 基本命令  68

5.3.3 与Python整合  71

5.3.4 数据库技术与实践  74

5.3.5 MySQL里的“六度空间游戏”  75

5.4 Email  77

第6章 读取文档  80

6.1 文档编码  80

6.2 纯文本  81

6.3 CSV  85

6.4 PDF  87

6.5 微软Word和.docx  88

第二部分 高级数据采集

第7章 数据清洗  94

7.1 编写代码清洗数据  94

7.2 数据存储后再清洗  98

第8章 自然语言处理  103

8.1 概括数据  104

8.2 马尔可夫模型  106

8.3 自然语言工具包  112

8.3.1 安装与设置  112

8.3.2 用NLTK做统计分析  113

8.3.3 用NLTK做词性分析  115

8.4 其他资源  119

第9章 穿越网页表单与登录窗口进行采集  120

9.1 Python Requests库  120

9.2 提交一个基本表单  121

9.3 单选按钮、复选框和其他输入  123

9.4 提交文件和图像  124

9.5 处理登录和cookie  125

9.6 其他表单问题  127

第10章 采集JavaScript  128

10.1 JavaScript简介  128

10.2 Ajax和动态HTML  131

10.3 处理重定向  137

第11章 图像识别与文字处理  139

11.1 OCR库概述  140

11.1.1 Pillow  140

11.1.2 Tesseract  140

11.1.3 NumPy  141

11.2 处理格式规范的文字  142

11.3 读取验证码与训练Tesseract  146

11.4 获取验证码提交答案  151

第12章 避开采集陷阱  154

12.1 道德规范  154

12.2 让网络机器人看起来像人类用户  155

12.2.1 修改请求头  155

12.2.2 处理cookie  157

12.2.3 时间就是一切  159

12.3 常见表单安全措施  159

12.3.1 隐含输入字段值  159

12.3.2 避免蜜罐  160

12.4 问题检查表  162

第13章 用爬虫测试网站  164

13.1 测试简介  164

13.2 Python单元测试  165

13.3 Selenium单元测试  168

13.4 Python单元测试与Selenium单元测试的选择  172

第14章 远程采集  174

14.1 为什么要用远程服务器  174

14.1.1 避免IP地址被封杀  174

14.1.2 移植性与扩展性  175

14.2 Tor代理服务器  176

14.3 远程主机  177

14.3.1 从网站主机运行  178

14.3.2 从云主机运行  178

14.4 其他资源  179

14.5 勇往直前  180

 



------分隔线----------------------------

锋哥公众号


锋哥微信


关注公众号
【Java资料站】
回复 666
获取 
66套java
从菜鸡到大神
项目实战课程

锋哥推荐