Python爬虫技术——深入理解原理、技术与开发 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

本书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。本书用 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。 全书共 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、Beautiful Soup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，*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。 本书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。

第 1篇基础知识

第 1章开发环境配置 ................................. 2 

1.1 安装官方的 Python运行环境 .........................2 

1.2  配置 PATH环境变量.....................................5 

1.3 安装 Anaconda Python开发环境 ...................6 

1.4 安装 PyCharm ...............................................7 

1.5 配置 PyCharm ...............................................8 

1.6  小结 ........................................................... 10

第 2章爬虫基础.......................................11 

2.1 HTTP基础...................................................... 11 

2.1.1  URI和 URL ........................................ 11 

2.1.2  超文本 ................................................ 12 

2.1.3  HTTP与 HTTPS ................................. 12 

2.1.4  HTTP的请求过程 ............................... 15 

2.1.5  请求 .................................................... 17 

2.1.6  响应 .................................................... 20 

2.2 网页基础 ........................................................ 23 

2.2.1  HTML ................................................. 23 

2.2.2  CSS .................................................... 24 

2.2.3  CSS选择器......................................... 25 

2.2.4  JavaScript ........................................... 27 

2.3 爬虫的基本原理 .............................................. 27 

2.3.1  爬虫的分类 ......................................... 27 

2.3.2  爬虫抓取数据的方式和手段 ................. 28 

2.4 Session与 Cookie ........................................... 28 

2.4.1  静态页面和动态页面 ........................... 29 

2.4.2  无状态 HTTP与 Cookie ...................... 30 

2.4.3  利用 Session和 Cookie保持状态 ......... 30 

2.4.4  查看网站的 Cookie .............................. 31 

2.4.5  HTTP状态何时会失效 ........................ 32 

CONTENTS 目 录

2.5 实战案例：抓取所有的网络资源 ..................... 33 

2.6 实战案例：抓取博客文章列表 ......................... 37 

2.7 小结 ............................................................... 40

第 2篇网络库

第 3章网络库 urllib ................................. 42 

3.1  urllib简介 ...................................................... 42 

3.2  发送请求与获得响应 ....................................... 43 

3.2.1  用 urlopen函数发送 HTTP GET请求 .................................................... 43 

3.2.2  用 urlopen函数发送 HTTP POST请求 .................................................... 44 

3.2.3  请求超时 ............................................. 45 

3.2.4  设置 HTTP请求头 .............................. 46 

3.2.5  设置中文 HTTP请求头 ....................... 48 

3.2.6  请求基础验证页面 ............................... 50 

3.2.7  搭建代理与使用代理 ........................... 54 

3.2.8  读取和设置 Cookie .............................. 56 

3.3  异常处理 ........................................................ 60 

3.3.1 URLError ............................................60 

3.3.2 HTTPError ..........................................61 

3.4  解析链接 ........................................................ 62 

3.4.1  拆分与合并 URL（urlparse与 urlunparse） ....................... 62 

3.4.2  另一种拆分与合并 URL的方式（urlsplit与 urlunsplit） .......................... 63 

3.4.3  连接 URL（urljoin） ............................. 65 

3.4.4  URL编码（urlencode）......................... 65 

3.4.5  编码与解码（quote与 unquote）........... 66 

3.4.6  参数转换（parse_qs与 parse_qsl） ........ 66 

3.5  Robots协议 .................................................... 67 

3.5.1 Robots协议简介 ................................. 67 

3.5.2 分析 Robots协议 ................................ 68 

3.6 小结 ............................................................... 69

第 4章网络库 urllib3 ............................... 70 

4.1 urllib3简介 .................................................... 70 

4.2 urllib3模块 .................................................... 70 

4.3 发送 HTTP GET请求 ...................................... 71 

4.4 发送 HTTP POST请求 .................................... 72 

4.5 HTTP请求头 .................................................. 74 

4.6 HTTP响应头 .................................................. 76 

4.7 上传文件 ........................................................ 76 

4.8 超时 ............................................................... 78 

4.9 小结 ............................................................... 79

第 5章网络库 requests ........................... 80 

5.1 基本用法 ........................................................ 80 

5.1.1  requests的 HelloWorld ........................ 81 

5.1.2  GET请求 ............................................ 81 

5.1.3  添加 HTTP请求头 .............................. 82 

5.1.4  抓取二进制数据 .................................. 83 

5.1.5  POST请求 .......................................... 84 

5.1.6  响应数据 ............................................. 85 

5.2 高级用法 ........................................................ 87 

5.2.1  上传文件 ............................................. 88 

5.2.2  处理 Cookie ........................................ 89 

5.2.3  使用同一个会话（Session） .................. 90 

5.2.4  SSL证书验证...................................... 91 

5.2.5  使用代理 ............................................. 94 

5.2.6  超时 .................................................... 95 

5.2.7  身份验证 ............................................. 97 

5.2.8  将请求打包 ......................................... 97 

5.3 小结 ............................................................... 98

第 6章 Twisted网络框架.......................... 99 

6.1 异步编程模型 ................................................. 99 

6.2 Reactor（反应堆）模式 ................................. 101 

6.3 HelloWorld，Twisted框架 ............................ 101 

6.4 用 Twisted实现时间戳客户端........................ 103 

6.5 用 Twisted实现时间戳服务端........................ 104 

6.6 小结 ............................................................. 105

第 3篇解析库

第 7章正则表达式 ................................. 108 

7.1 使用正则表达式 ............................................ 108 

7.1.1  使用 match方法匹配字符串 .............. 108 

7.1.2  使用 search方法在一个字符串中查找模式 ........................................... 109 

7.1.3  匹配多个字符串 ................................ 110 

7.1.4  匹配任何单个字符 ............................. 111 

7.1.5  使用字符集 ....................................... 112 

7.1.6  重复、可选和特殊字符 ...................... 114 

7.1.7  分组 .................................................. 117 

7.1.8  匹配字符串的起始和结尾以及单词边界 ........................................... 118 

7.1.9  使用 findall和 finditer查找每一次出现的位置 ............................. 120 

7.1.10 用 sub和 subn搜索与替换............... 121 

7.1.11 使用 split分隔字符串 ...................... 122 

7.2 一些常用的正则表达式 ................................. 123 

7.3 项目实战：抓取小说目录和全文 ................... 124 

7.4 项目实战：抓取猫眼电影 Top100榜单 .......... 128 

7.5 项目实战：抓取糗事百科网的段子 ................ 133 

7.6 小结 ............................................................. 136

第 8章 lxml与 XPath ............................. 137 

8.1 lxml基础...................................................... 137 

8.1.1  安装 lxml .......................................... 137 

8.1.2  操作 XML ......................................... 138 

8.1.3  操作 HTML ....................................... 140 

8.2 XPath ........................................................... 141 

8.2.1  XPath概述 ........................................ 141 

8.2.2  使用 XPath ........................................ 141 

8.2.3  选取所有节点 .................................... 143 

8.2.4  选取子节点 ....................................... 145 

8.2.5  选取父节点 ....................................... 146 

8.2.6  属性匹配与获取 ................................ 146 

8.2.7  多属性匹配 ....................................... 147 

8.2.8  按序选择节点 .................................... 148 

8.2.9  节点轴选择 ....................................... 149 

8.2.10  在 Chrome中自动获得 XPath代码 .... 151 

8.2.11  使用 Chrome验证 XPath ................. 153 

8.3 项目实战：抓取豆瓣 Top250图书榜单 .......... 154 

8.4 项目实战：抓取起点中文网的小说信息 ......... 158 

8.5 小结 ............................................................. 161

第 9章 Beautiful Soup库....................... 162 

9.1 Beautiful Soup简介 ...................................... 162 

9.2 Beautiful Soup基础 ...................................... 162 

9.2.1  安装 Beautiful Soup .......................... 163 

9.2.2  选择解析器 ....................................... 164 

9.2.3  编写个 Beautiful Soup程序 ........ 164 

9.3 节点选择器 ................................................... 165 

9.3.1  选择节点 ........................................... 165 

9.3.2  嵌套选择节点 .................................... 167 

9.3.3  选择子节点 ....................................... 168 

9.3.4  选择父节点 ....................................... 171 

9.3.5  选择兄弟节点 .................................... 172 

9.4 方法选择器 ................................................... 174 

9.4.1  find_all方法 ..................................... 174 

9.4.2  find方法 ........................................... 177 

9.5 CSS选择器 ................................................... 178 

9.5.1  基本用法 ........................................... 179 

9.5.2  嵌套选择节点 .................................... 180 

9.5.3  获取属性值与文本 ............................. 181 

9.5.4  通过浏览器获取 CSS选择器代码....... 182 

9.6 实战案例：抓取租房信息 .............................. 184 

9.7 实战案例：抓取酷狗网络红歌榜 ................... 188 

9.8 小结 ............................................................. 191

第 10章 pyquery库 ............................... 192 

10.1 pyquery简介 ............................................... 192 

10.2 pyquery基础 ............................................... 192 

10.2.1  安装 pyquery ................................... 193 

10.2.2  pyquery的基本用法 ........................ 193 

10.3 CSS选择器 ................................................. 194 

10.4 查找节点..................................................... 196 

10.4.1  查找子节点 ..................................... 196 

10.4.2  查找父节点 ..................................... 197 

10.4.3  查找兄弟节点 .................................. 198 

10.4.4  获取节点信息 .................................. 199 

10.5  修改节点..................................................... 203 

10.5.1  添加和移除节点的样式（addClass和 removeClass）............... 204 

10.5.2  修改节点属性和文本内容（attr、removeAttr、text和 html）...... 205 

10.5.3  删除节点（remove） ......................... 207 

10.6  伪类选择器 ................................................. 208 

10.7  项目实战：抓取当当图书排行榜.................. 210 

10.8  项目实战：抓取商城手机销售排行榜.... 213 

10.9  小结............................................................ 219

第 4篇数据存储

第 11章文件存储 .................................. 222 

11.1 打开文件 ..................................................... 222 

11.2  操作文件的基本方法 ................................... 224 

11.2.1  读文件和写文件 .............................. 224 

11.2.2  读行和写行 ..................................... 226 

11.3  使用 FileInput对象读取文件 ....................... 227 

11.4  处理 XML格式的数据 ................................. 228 

11.4.1  读取与搜索 XML文件 ..................... 228 

11.4.2  字典转换为 XML字符串 ................. 229 

11.4.3  XML字符串转换为字典 .................. 231 

11.5  处理 JSON格式的数据................................ 232 

11.5.1  JSON字符串与字典互相转换 .......... 233 

11.5.2  将 JSON字符串转换为类实例 .......... 234 

11.5.3  将类实例转换为 JSON字符串 .......... 236 

11.5.4   类实例列表与 JSON字符串互相转换 ................................................ 236 

11.6 将 JSON字符串转换为 XML字符串 ............ 237 

11.7  CSV文件存储 ............................................. 238 

11.7.1  写入 CSV文件 ................................ 238 

11.7.2  读取 CSV文件 ................................ 241 

11.8  小结 ............................................................ 241

第 12章数据库存储............................... 242 

12.1  SQLite数据库 ............................................. 242 

12.1.1 管理 SQLite数据库 ......................... 243 

12.1.2 用 Python操作 SQLite数据库 ......... 245 

12.2 MySQL数据库 ........................................... 247 

12.2.1 安装 MySQL ................................... 247 

12.2.2 在 Python中使用 MySQL ................ 250 

12.3 非关系型数据库 .......................................... 253 

12.3.1 NoSQL简介.................................... 253 

12.3.2 MongoDB数据库 ........................... 253 

12.3.3 pymongo模块 ................................. 255 

12.4 项目实战：抓取豆瓣音乐排行榜.................. 256 

12.5 项目实战：抓取豆瓣电影排行榜.................. 260 

12.6 小结............................................................ 264

第 5篇爬虫高级应用

第 13章抓取异步数据 ........................... 266 

13.1 异步加载与 AJAX ....................................... 266 

13.2 基本原理..................................................... 267 

13.3 逆向工程..................................................... 270 

13.4 提取结果..................................................... 274 

13.5 项目实战：支持搜索功能的图片爬虫 ........... 274 

13.6 项目实战：抓取图书评价 ..................... 279 

13.7 小结............................................................ 284

第 14章可见即可爬：Selenium .............. 285 

14.1 安装 Selenium ............................................. 286 

14.2 安装 WebDriver .......................................... 286 

14.2.1 安装 ChromeDriver.......................... 287 

14.2.2 装 Edge WebDriver .......................... 288 

14.2.3 安装其他浏览器的 WebDriver .......... 289 

14.3 Selenium的基本使用方法 ........................... 289 

14.4 查找节点..................................................... 293 

14.4.1 查找单个节点 .................................. 293 

14.4.2 查找多个节点 .................................. 295 

14.5 节点交互..................................................... 297 

14.6 动作链 ........................................................ 298 

14.7 执行 JavaScript代码 ................................... 301 

14.8 获取节点信息 .............................................. 302 

14.9 管理 Cookies ............................................... 303 

14.10 改变节点的属性值 ..................................... 304 

14.11 项目实战：抓取 QQ空间说说的内容 ......... 306 

14.12 小结 .......................................................... 308

第 15章基于 Splash的爬虫 ................... 309 

15.1 Splash基础 ................................................. 309 

15.1.1 Splash功能简介 .............................. 309 

15.1.2 安装 Docker .................................... 310 

15.1.3 安装 Splash ..................................... 310 

15.2  Splash Lua脚本 .......................................... 312 

15.2.1 个 Lua脚本 .............................. 312 

15.2.2 异步处理 ......................................... 313 

15.2.3 Splash对象属性 .............................. 314 

15.2.4 go方法 ........................................... 318 

15.2.5 wait方法 ......................................... 319 

15.2.6 jsfunc方法 ...................................... 320 

15.2.7 evaljs方法 ...................................... 320 

15.2.8 runjs方法 ....................................... 320 

15.2.9 autoload方法 .................................. 321 

15.2.10 call_later方法 ............................... 322 

15.2.11 http_get方法 ................................. 323 

15.2.12 http_post方法 ............................... 324 

15.2.13 set_content方法 ............................ 325 

15.2.14 html方法 ...................................... 325 

15.2.15 png方法 ........................................ 326 

15.2.16 jpeg方法 ....................................... 326 

15.2.17 har方法 ........................................ 326 

15.2.18 其他方法 ....................................... 327 

15.3  使用 CSS选择器 ......................................... 331 

15.3.1 select方法 ...................................... 331 

15.3.2 select_all方法 ................................. 332 

15.4  模拟鼠标和键盘的动作................................ 333 

15.5  Splash HTTP API ........................................ 334 

15.6  项目实战：使用 Splash Lua抓取搜索结果 ..................................................... 338 

15.7  小结............................................................ 340

第 16章抓取移动 App的数据 ................. 341 

16.1  使用 Charles ............................................... 341 

16.1.1 抓取 HTTP数据包 ........................... 342 

16.1.2 安装 PC端证书 ............................... 344 

16.1.3 在手机端安装证书 ........................... 345 

16.1.4 监听 HTTPS数据包 ......................... 346 

16.2  使用 mitmproxy .......................................... 348 

16.2.1 安装 mitmproxy............................... 348 

16.2.2 在 PC端安装 mitmproxy证书 .......... 349 

16.2.3 在移动端安装 mitmproxy证书......... 352 

16.2.4  mitmproxy有哪些功能 .................... 353 

16.2.5  设置手机的代理 .............................. 353 

16.2.6  用 mitmproxy监听 App的请求与响应数据 ......................................... 354 

16.2.7  使用 mitmproxy编辑请求信息......... 356 

16.2.8  mitmdump与 Python对接 ............... 357 

16.2.9  使用 mitmweb监听请求与响应........ 361 

16.3  项目实战：实时抓取“得到” App在线课程 .............................................. 363 

16.4  小结............................................................ 367

第 17章使用 Appium在移动端抓取数据 ... 368 

17.1  安装 Appium ............................................... 368 

17.1.1  安装 Appium桌面端 ........................ 368 

17.1.2  配置 Android开发环境 .................... 370 

17.1.3  配置 iOS开发环境 .......................... 371 

17.2  Appium的基本使用方法 ............................. 372 

17.2.1  启动 Appium服务 ........................... 372 

17.2.2  查找 Android App的 Package和入口 Activity................................... 374 

17.2.3  控制 App ......................................... 376 

17.3  使用 Python控制手机 App .......................... 379 

17.4  AppiumPythonClient API............................. 380 

17.4.1  初始化（Remote类）........................ 380 

17.4.2  查找元素 ......................................... 381 

17.4.3  单击元素 ......................................... 381 

17.4.4  屏幕拖动 ......................................... 382 

17.4.5  屏幕滑动 ......................................... 382 

17.4.6  拖曳操作 ......................................... 383 

17.4.7  文本输入 ......................................... 383 

17.4.8  动作链 ............................................ 383 

17.5  项目实战：利用 Appium抓取微信朋友圈信息 ............................................................ 384 

17.6  小结............................................................ 388

第 18章多线程和多进程爬虫 .................. 389 

18.1  线程与进程 ................................................. 389 

18.1.1  进程 ................................................ 389 

18.1.2  线程 ................................................ 390 

18.2  Python与线程 ............................................. 390 

18.2.1  使用单线程执行程序 ....................... 390 

18.2.2  使用多线程执行程序 ....................... 391 

18.2.3  为线程函数传递参数 ....................... 393 

18.2.4  线程和锁 ......................................... 394 

18.3  高级线程模块（threading） ........................... 395 

18.3.1  Thread类与线程函数 ....................... 395 

18.3.2  Thread类与线程对象 ....................... 396 

18.3.3  从 Thread类继承 ............................. 398 

18.4  线程同步..................................................... 399 

18.4.1  线程锁 ............................................ 400 

18.4.2  信号量 ............................................ 402 

18.5  生产者—消费者问题与 queue模块 .............. 405 

18.6  多进程 ........................................................ 407 

18.7  项目实战：抓取豆瓣音乐 Top250排行榜（多线程版） .................................................. 408 

18.8  项目实战：抓取豆瓣音乐 Top250排行榜（多进程版） .................................................. 411 

18.9  小结............................................................ 412

第 19章网络爬虫框架：Scrapy.............. 413 

19.1  Scrapy基础知识 ......................................... 413 

19.1.1  Scrapy简介 ..................................... 413 

19.1.2  Scrapy安装 ..................................... 414 

19.1.3  Scrapy Shell抓取 Web资源 ............. 415 

19.2  用 Scrapy编写网络爬虫 .............................. 417 

19.2.1  创建和使用 Scrapy工程 .................. 417 

19.2.2  在 PyCharm中使用 Scrapy .............. 419 

19.2.3  在 PyCharm中使用扩展工具运行 Scrapy程序 ..................................... 421 

19.2.4  使用 Scrapy抓取数据，并通过 XPath指定解析规则 .................................. 423 

19.2.5  将抓取到的数据保存为多种格式的文件 ................................................ 424 

19.2.6  使用 ItemLoader保存单条抓取的数据 ................................................ 426 

19.2.7  使用 ItemLoader保存多条抓取的数据 ................................................ 428 

19.2.8 抓取多个 URL ................................. 430 

19.3 Scrapy的高级应用 ...................................... 431 

19.3.1 处理登录页面 .................................... 431 

19.3.2 处理带隐藏文本框的登录页面 ......... 434 

19.3.3 通过 API抓取天气预报数据 ............ 436 

19.3.4 从 CSV格式转换到 JSON格式 ........ 443 

19.3.5 下载器中间件 .................................. 447 

19.3.6 爬虫中间件 ..................................... 452 

19.3.7 Item管道 ........................................ 455 

19.3.8 通用爬虫 ......................................... 465 

19.4 小结............................................................ 474

第 20章综合爬虫项目：可视化爬虫 ........ 475 

20.1 项目简介..................................................... 475 

20.2 主界面设计和实现 ....................................... 477 

20.3 获取商品页数和每页商品数 ......................... 478 

20.4 并发抓取商品列表 ....................................... 479 

20.5 数据库操作类 .............................................. 481 

20.6 情感分析..................................................... 484 

20.7 抓取和分析商品评论数据 ............................ 485 

20.8 可视化评论数据 .......................................... 486 

20.9 小结............................................................ 488 

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、51CTO学院金牌讲师、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。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python爬虫技术——深入理解原理、技术与开发在线阅读

在线听书地址：Python爬虫技术——深入理解原理、技术与开发在线收听

在线购买地址：Python爬虫技术——深入理解原理、技术与开发在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

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当当网图书评论

媒体评论

《Python爬虫技术——深入理解原理、技术与开发》一书诠释了Python爬虫的核心开发技术。不管是“菜鸟”，还是“高手”，都可从本书受益。更难能可贵的是，本书提供了大量的实战案例，通过各种爬虫技术抓取的不同种类的信息和实战，读者可以更好地掌握爬虫应用的编写过程。

——金晓颖  触控科技有限公司副总裁

李宁是51CTO学院金牌讲师、51CTO学院专家级博主，在IT技术领域有很深的造诣。他授课风趣幽默，讲解条理清晰、通俗易懂，对如何学习编程技术有独到见解。他在51CTO学院已开设了150多门视频课程，学员达130多万人，视频课程广受好评。一个如此受欢迎的老师，他编写的图书也非常值得阅读。更重要的是，本书配套提供了大量的实战项目、源代码、练习题，能方便读者快速实践，所以强烈推荐此书！

——曹亚莉  51CTO学院教学总监

    看到李宁老师的30多本图书和150多门视频课程，我不禁惊叹于他如此强大的能力、精力和毅力。在51CTO学院，李宁老师的听课人数达到130多万。他编写的图书更是紧跟IT技术发展潮流，这本《Python爬虫技术——深入理解原理、技术与开发》也是顺应时代发展的大作。全书内容涵盖了基础知识、高级编程、理论知识与典型应用，是学习Python编程的优秀教材。

——韩立刚  51CTO学院金牌讲师   

    《Python爬虫技术——深入理解原理、技术与开发》一书体现了李宁老师一贯的个人教学风格。书中知识全面、案例丰富，是Python初学者难得的入门好书！推荐阅读！

——谢星星（网名阿蜜果）  软通动力资深架构师

李宁老师工作勤奋，技术精湛。他录制了大量优秀的IT视频课程，Python视频课程是其中的代表作。Python是目前*受欢迎的编程语言，而Python爬虫是Python应用*火的领域。毫无疑问，《Python爬虫技术——深入理解原理、技术与开发》是一本*的Python爬虫实践指南。

——朱有鹏  朱老师物联网大讲堂创始人

《Python爬虫技术——深入理解原理、技术与开发》是一本经典的Python爬虫高级教程，本书层次鲜明、结构严谨、内容翔实，可以带领读者快速掌握Python爬虫的核心知识，帮助读者编写解决实际问题的代码并开发复杂项目。 

——江清清  嘎嘎软件科技公司总经理

前言

PREFACE　 前 言

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。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！

本书使用的 Python 3编写，并在书中探讨了关于 Python爬虫的核心技术。全书分 5篇，共 20章。内容涵盖 Python爬虫的基础知识、常用网络库、常用分析库、数据存储技术、异步数据处理、可见即可爬技术、抓取移动 App、Scrapy等。本书还包含 20多个真实的项目，以便让读者身临其境 地体验 Python爬虫的魅力。

限于篇幅，本书无法囊括 Python爬虫以及相关技术的方方面面，只能尽自己所能，与大家分享尽可能多的知识和经验。相信通过本书的学习，读者可以拥有进一步深入学习的能力，达到 Python爬虫高手的程度也只是时间问题。

后，笔者希望本书能为国内的 Python爬虫以及相关技术的普及，为广大从业者提供有价值的实践经验并帮助他们快速上手贡献绵薄之力。

编著者

书籍介绍

《Python爬虫技术：深入理解原理、技术与开发》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》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》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》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。