Python网络数据采集(中文版) PDF 高清电子书 免费下载 完整版 在线阅读- 高飞网
现在已经23点27分了,请注意休息
Python网络数据采集

Python网络数据采集

中文版
陶俊杰 / 陈小莉
Python 网络 编程语言
浏览人数:59 在读人数:3
读者:      
    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。第一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。

译者序 ix   
前言 xi   
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 数据库技术与最佳实践 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   
附录A Python简介 181   
附录B 互联网简介 184   
附录C 网络数据采集的法律与道德约束 188   
作者简介 200   
封面介绍 200   
看过本书的人还看过