python之爬虫技术

概述

近年来,随着网络应用的逐渐扩展和深入,如何高效的获取网上数据成为了无数公司和个人的追求,在大数据时代,谁掌握了更多的数据,谁就可以获得更高的利益,而网络爬虫是其中最为常用的一种从网上爬取数据的手段。
网络爬虫,即Web Spider,是一个很形象的名字。如果把互联网比喻成一个蜘蛛网,那么Spider就是在网上爬来爬去的蜘蛛。网络蜘蛛是通过网页的链接地址来寻找网页的。从网站某一个页面(通常是首页)开始,读取网页的内容,找到在网页中的其它链接地址,然后通过这些链接地址寻找下一个网页,这样一直循环下去,直到把这个网站所有的网页都抓取完为止。

爬虫的价值

互联网中最有价值的便是数据,比如天猫商城的商品信息,链家网的租房信息,雪球网的证券投资信息等等,这些数据都代表了各个行业的真金白银,可以说,谁掌握了行业内的第一手数据,谁就成了整个行业的主宰,如果把整个互联网的数据比喻为一座宝藏,那我们的爬虫课程就是来教大家如何来高效地挖掘这些宝藏,掌握了爬虫技能, 你就成了所有互联网信息公司幕后的老板,换言之,它们都在免费为你提供有价值的数据。

爬虫学习目录:

(一) jupyter notebook环境安装

(二) Python网络爬虫相关基础概念

(三) http和https协议

(四) Python网络爬虫之requests模块一

(五) Python网络爬虫之三种数据解析方式

(六) Python网络爬虫之requests模块二

(七) 验证码处理

(八) Python网络爬虫之图片懒加载技术、selenium和PhantomJS

(九) 移动端数据爬取

(十) scrapy框架简介和基础应用

(十一) scrapy框架持久化存储

(十二) scrapy框架之递归解析和post请求

(十三) scrapy框架的日志等级和请求传参

(十四) UA池和代理池

(十五) scrapy中selenium的应用

(十六) Python网络爬虫之Scrapy框架(CrawlSpider)

(十七) 基于scrapy-redis两种形式的分布式爬虫

(十八) 增量式爬虫

猜你喜欢

转载自www.cnblogs.com/tiger666/p/11026923.html