搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
精通Python爬虫框架Scrapy
0.00     定价 ¥ 59.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购8本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787115474209
  • 作      者:
    作者:(美)迪米特里奥斯·考奇斯-劳卡斯|译者:李斌
  • 出 版 社 :
    人民邮电出版社
  • 出版日期:
    2018-02-01
收藏
内容介绍
Scrapy是使用Python开发的一个快速、高层次的屏幕抓取和Web抓取框架,用于抓Web站点并从页面中提取结构化的数据。迪米特里奥斯·考奇斯-劳卡斯著的《精通Python爬虫框架Scrapy》以Scrapy1.0版本为基础,讲解了Scrapy的基础知识,以及如何使用Python和三方API提取、整理数据,以满足自己的需求。 本书共11章,其内容涵盖了Scrapy基础知识,理解HTML和XPath,安装Scrapy并爬取一个网站,使用爬虫填充数据库并输出到移动应用中,爬虫的强大功能,将爬虫部署到Scrapinghub云服务器,Scrapy的配置与管理,Scrapy编程,管道秘诀,理解Scrapy性能,使用Scrapyd与实时分析进行分布式爬取。本书附录还提供了各种软件的安装与故障排除等内容。 本书适合软件开发人员、数据科学家,以及对自然语言处理和机器学习感兴趣的人阅读。
展开
目录
第1章 Scrapy简介
1.1 初识Scrapy
1.2 喜欢Scrapy的更多理由
1.3 关于本书:目标和用途
1.4 掌握自动化数据爬取的重要性
1.4.1 开发健壮且高质量的应用,并提供合理规划
1.4.2 快速开发高质量可行产品
1.4.3 Google不会使用表单,爬取才能扩大规模
1.4.4 发现并融入你的生态系统
1.5 在充满爬虫的世界里做一个好公民
1.6 Scrapy不是什么
1.7 本章小结
第2章 理解HTML和XPath
2.1 HTML、DOM树表示以及XPath
2.1.1 URL
2.1.2 HTML文档
2.1.3 树表示法
2.1.4 你会在屏幕上看到什么
2.2 使用XPath选择HTML元素
2.2.1 有用的XPath表达式
2.2.2 使用Chrome获取XPath表达式
2.2.3 常见任务示例
2.2.4 预见变化
2.3 本章小结
第3章 爬虫基础
3.1 安装Scrapy
3.1.1 MacOS
3.1.2 Windows
3.1.3 Linux
3.1.4 新源码安装
3.1.5 升级Scrapy
3.1.6 Vagrant:本书中运行示例的官方方式
3.2 UR2IM——基本抓取流程
3.2.1 URL
3.2.2 请求和响应
3.2.3 Item
3.3 一个Scrapy项目
3.3.1 声明item
3.3.2 编写爬虫
3.3.3 填充item
3.3.4 保存文件
3.3.5 清理——item装载器与管理字段
3.3.6 创建contract
3.4 抽取更多的URL
3.4.1 使用爬虫实现双向爬取
3.4.2 使用CrawlSpider实现双向爬取
3.5 本章小结
第4章 从Scrapy到移动应用
4.1 选择手机应用框架
4.2 创建数据库和集合
4.3 使用Scrapy填充数据库
4.4 创建手机应用
4.4.1 创建数据库访问服务
4.4.2 创建用户界面
4.4.3 将数据映射到用户界面
4.4.4 数据库字段与用户界面控件间映射
4.4.5 测试、分享及导出你的手机应用
4.5 本章小结
第5章 迅速的爬虫技巧
5.1 需要登录的爬虫
5.2 使用JSON API和AJAX页面的爬虫
5.3 倍速的房产爬虫
5.4 基于Excel文件爬取的爬虫
5.5 本章小结
第6章 部署到Scrapinghub
6.1 注册、登录及创建项目
6.2 部署爬虫与计划运行
6.3 访问item
6.4 计划定时爬取
6.5 本章小结
第7章 配置与管理
7.1 使用Scrapy设置
7.2 基本设置
7.2.1 分析
7.2.2 性能
7.2.3 提前终止爬取
7.2.4 HTTP缓存和离线运行
7.2.5 爬取风格
7.2.6 feed
7.2.7 媒体下载
7.2.8 Amazon Web服务
7.2.9 使用代理和爬虫
7.3 进阶设置
7.3.1 项目相关设置
7.3.2 Scrapy扩展设置
7.3.3 下载调优
7.3.4 自动限速扩展设置
7.3.5 内存使用扩展设置
7.3.6 日志和调试
7.4 本章小结
第8章 Scrapy编程
8.1 Scrapy是一个Twisted应用
8.1.1 延迟和延迟链
8.1.2 理解Twisted和非阻塞I/O——一个Python故事
8.2 Scrapy架构概述
8.3 示例1:非常简单的管道
8.4 信号
8.5 示例2:测量吞吐量和延时的扩展
8.6 中间件延伸
8.7 本章小结
第9章 管道秘诀
9.1 使用REST API
9.1.1 使用treq
9.1.2 用于写入Elasticsearch的管道
9.1.3 使用Google Geocoding API实现地理编码的管道
9.1.4 在Elasticsearch中启用地理编码索引
9.2 与标准Python客户端建立数据库接口
9.3 使用Twisted专用客户端建立服务接口
9.4 为CPU密集型、阻塞或遗留功能建立接口
9.4.1 处理CPU密集型或阻塞操作的管道
9.4.2 使用二进制或脚本的管道
9.5 本章小结
第10章 理解Scrapy性能
10.1 Scrapy引擎——一种直观方式
10.1.1 级联队列系统
10.1.2 定义瓶颈
10.1.3 Scrapy性能模型
10.2 使用telnet获得组件利用率
10.3 基准系统
10.4 标准性能模型
10.5 解决性能问题
10.5.1 案例 #1:CPU饱和
10.5.2 案例 #2:代码阻塞
10.5.3 案例 #3:下载器中的“垃圾”
10.5.4 案例 #4:大量响应或超长响应造成的溢出
10.5.5 案例 #5:有限/过度item并发造成的溢出
10.5.6 案例 #6:下载器未充分利用
10.6 故障排除流程
10.7 本章小结
第11章 使用Scrapyd与实时分析进行分布式爬取
11.1 房产的标题是如何影响价格的
11.2 Scrapyd
11.3 分布式系统概述
11.4 爬虫和中间件的变化
11.4.1 索引页分片爬取
11.4.2 分批爬取URL
11.4.3 从设置中获取初始URL
11.4.4 在Scrapyd服务器中部署项目
11.5 创建自定义监控命令
11.6 使用Apache Spark流计算偏移量
11.7 运行分布式爬取
11.8 系统性能
11.9 关键要点
11.10 本章小结
附录A 必备软件的安装与故障排除
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证