新書推薦：
《
锦衣玉令
》
售價：HK$
112.7
《
米沃什与布罗茨基：诗人的友谊
》
售價：HK$
89.7
《
法国小史
》
售價：HK$
110.4
《
五凉王国的七张面孔
》
售價：HK$
79.4
《
掌控生活，从掌控时间开始
》
售價：HK$
55.2
《
物理光学漫步——衍射计算理论及应用研究故事
》
售價：HK$
193.2
《
人类起源简史：破译700万年人类进化的密码
》
售價：HK$
78.2
《
古典与现代 ： 民国大学的潮与岸
》
售價：HK$
89.7
|
| 編輯推薦： |
|
本书可作为应用型本科高校的“数据科学与大数据技术”“大数据技术与应用”专业的教学用书，提供教学课件PPT、教学大纲、源代码、习题参考答案等配套资源。
|
| 內容簡介： |
|
本书介绍基于Python语言的网络数据采集技术的相关知识，并为采集网络中的各种数据类型提供全面指导。第1章重点介绍Scrapy框架及配置方法;第2～6章重点介绍网络数据采集的基本原理，包括如何利用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，以及如何通过自动化的手段与网站进行交互;第7、8章介绍登录表单与验证码的数据采集和自动化处理，以及并行多线程网络数据的采集方法。本书还提供了多个实验，以帮助读者巩固所学内容。 本书适合作为普通高等院校计算机程序设计、大数据课程的教材，也可作为从事Web数据采集的软件开发人员和研究人员的参考书。
|
| 關於作者： |
|
廖大强，男，硕士，高级实验师，广东南华工商职业学院，云计算技术与应用专业带头人。一直从事信息技术类专业课教学，讲授课程包括计算机网络、信息安全等
|
| 目錄：
|
第1章绪论1
1.1数据采集概述1
1.1.1什么是数据采集1
1.1.2数据采集的典型
应用场景2
1.1.3数据采集技术框架3
1.1.4数据采集面临的
挑战6
1.2网络爬虫概述6
1.2.1什么是网络爬虫6
1.2.2网络爬虫的应用6
1.2.3网络爬虫的结构7
1.2.4网络爬虫的组成7
1.2.5网络爬虫的类型8
1.2.6实现网络爬虫的
技术10
1.3Scrapy爬虫10
1.3.1Scrapy框架10
1.3.2Scrapy的常用
组件11
1.3.3Scrapy工作流12
1.3.4其他Python框架12
1.3.5Scrapy的安装与
配置13
1.3.6Windows 7下的
安装配置13
1.3.7Linux（Cent OS）
下的安装配置18
本章小结22
习题22第2章采集网页数据23
2.1采集网页分析23
2.1.1HTTP概述23
2.1.2HTTP消息23
2.2用Python实现HTTP
请求25
2.2.1urllib3/urllib的
实现25
2.2.2httplib/urllib的
实现27
2.2.3第三方库Requests
方式27
2.3静态网页采集29
2.3.1寻找数据特征30
2.3.2获取响应内容31
2.3.3定制Requests32
2.3.4代码解析35
2.4动态网页采集37
2.4.1找到JavaScript
请求的数据接口38
2.4.2请求和解析数据
接口数据41
2.5实验1: HTML网页采集42
2.5.1新建项目42
2.5.2编写代码43
2.5.3运行程序44
本章小结45
习题45第3章解析采集到的网页47
3.1使用正则表达式解析47
3.1.1基本语法与使用47
3.1.2Python与正则
表达式48
3.2使用Beautiful Soup解析52
3.2.1Python网页解析器52
3.2.2Beautiful Soup第
三方库53
3.3使用lxml解析72
3.3.1安装lxml72
3.3.2XPath语言72
3.3.3使用lxml74
3.4解析方法的优缺点对比76
3.5实验2: 使用正则表达式
解析采集的网页77
3.5.1目标网站分析77
3.5.2编写代码78
3.5.3运行结果79
3.6实验3: 使用Beautiful Soup
解析采集的网页80
3.6.1目标网站分析80
3.6.2编写代码81
3.6.3运行结果83
本章小结84
习题85第4章存储采集到的数据86
4.1HTML正文抽取86
4.1.1存储为JSON格式86
4.1.2存储为CSV格式90
4.2MySQL数据库91
4.2.1安装MySQL92
4.2.2与Python整合94
4.2.3在网络数据采集中
使用MySQL97
4.3更适合网络数据采集的
MongoDB103
4.3.1安装MongoDB103
4.3.2MongoDB基础105
4.3.3Python操作
MongoDB107
4.4实验4: 使用MongoDB
存储网络采集的数据108
4.4.1网站分析109
4.4.2获取首页数据110
4.4.3解析数据111
4.4.4存储到MongoDB112
4.5实验5: 采集数据并
存储到MySQL114
4.5.1准备工作114
4.5.2编写代码115
4.5.3运行结果117
本章小结118
习题118第5章基础网络数据采集119
5.1基础网络数据采集的
架构及运行流程119
5.2URL管理器121
5.2.1URL管理器的
主要功能121
5.2.2URL管理器的
实现方式121
5.3HTML下载器123
5.3.1下载方法123
5.3.2注意事项124
5.4HTML解析器124
5.5数据存储器126
5.6数据调度器127
5.7实验6: Scrapy基础网络
数据采集128
5.7.1创建采集模块128
5.7.2启动程序129
5.7.3控制运行状态131
本章小结136
习题136第6章分布式网络数据采集137
6.1分布式运行结构137
6.1.1分布式网络数据
采集分析137
6.1.2简单分布式架构138
6.1.3工作机制138
6.2控制节点140
6.2.1URL管理器140
6.2.2数据存储器142
6.2.3控制调度器145
6.3采集节点148
6.3.1HTML下载器149
6.3.2HTML解析器149
6.3.3网络数据采集
调度器150
6.4反爬技术151
6.4.1反爬问题152
6.4.2反爬机制152
6.4.3浏览器伪装技术159
6.5实验7: Scrapy分布式
网络数据采集161
6.5.1创建起点数据
采集项目161
6.5.2定义Item163
6.5.3编写网络数据
采集模块164
6.5.4Pipeline166
6.5.5应对反爬机制168
6.5.6去重优化171
本章小结173
习题173第7章登录表单与验证码的
数据采集174
7.1网页登录表单174
7.1.1登录表单处理175
7.1.2加密数据分析180
7.1.3Cookie的使用184
7.2验证码的处理185
7.2.1什么是验证码185
7.2.2人工处理验证码186
7.2.3OCR处理验证码189
7.3实验8: Scrapy模拟采集
豆瓣网数据191
7.3.1分析豆瓣登录191
7.3.2编写代码192
7.3.3实验调试与运行194
7.3.4问题处理195
本章小结196
习题196第8章并行多线程网络数据
采集198
8.1多线程网络数据采集198
8.1.11000个网站网页198
8.1.2串行采集199
8.1.3多线程网络数据
采集的工作原理199
8.2多进程网络数据采集203
8.2.1线程和进程如何
工作203
8.2.2实现多进程采集204
8.3实验9: Scrapy天气数据
采集208
8.3.1创建项目208
8.3.2定义Item209
8.3.3编写采集天气数据
的程序209
8.3.4运行程序验证
数据211
8.3.5保存采集到的
数据211
8.3.6运行程序213
本章小结215
习题215
|
| 內容試閱：
|
互联网包含迄今为止有用的数据集，并且大部分数据集都可以免费访问，但是这些数据难以复用，它们被嵌入在网站的结构和样式中，需要抽取出来才能使用。从网页中抽取数据的过程称为网络数据采集。随着越来越多的信息被发布到网络上，网络数据采集也变得越来越有用。
本书可作为数据科学与大数据技术专业、大数据技术与应用专业及相关专业的教学用书。针对应用型本科专业的特点，本书采用“教、学、做一体化”的教学方法，为培养高端应用型人才提供合适的教学与训练方法。本书以实际项目转化的案例为主线，按“学做合一”的指导思想，引入构思、设计、实现、运作（Conceive、Design、Implement、Operate，CDIO）工程教育方法，在完成技术讲解的同时，对读者提出相应的自学要求和指导。读者在阅读本书的过程中，不仅能快速完成基本技术的学习，而且能按工程化实践的要求进行项目的开发，并实现相应的功能。
本书作者拥有多年实际项目的开发经验和丰富的一线教育教学经验，完成了多轮次、多类型的教育教学改革与研究工作。本书在编写过程中得到了广东第二师范学院邬依林教授的大力支持。
本书的主要特点如下。
1. 实际项目开发与理论教学紧密结合
为使读者能快速掌握相关技术并按实际项目的开发要求熟练运用相关知识，本书在各章节的重要知识点后面根据实际项目设计了相关实验。
2. 组织合理、有序
本书按照由浅入深的顺序，在逐渐丰富系统功能的同时引入了相关技术与知识，使技术讲解与训练合二为一，有助于“教、学、做一体化”的实施。
为方便读者使用，书中全部实例的源码及PPT课件均免费提供给读者，读者可登录清华大学出版社官方网站（http://www.tup.tsinghua.edu.cn）下载。
本书由廖大强担任主编，其中第1章由周永塔、郑海清编写，第2～8章由廖大强编写，廖大强统编全书。
由于编者水平有限，书中的不妥或疏漏之处在所难免，殷切希望广大读者批评指正。
编者2022年2月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
