全部课程> Python网络爬虫
Python网络爬虫
- 64课时(建议每周学习2小时)
- python基础
- 自主模式
已有1363人报名学习
- 课程概览
- 授课讲师
- 课程大纲
- 实验列表
- 课程概览
- 授课讲师
- 课程大纲
- 实验列表
我们可以把互联网比作一张大网，而爬虫（即网络爬虫）便是在网上爬行的蜘蛛。把网的节点比作一个个网页，爬虫爬到这就相当于访问了该页面，就能把网页上的信息提取出来。那么通过本课程我们将会学习如何编写爬虫程序，从而能够在网络上爬取自己想要的一些数据或图片视频
课程概览
本课程旨在帮助学员了解网络爬虫的基本概念、原理和常用工具，掌握数据采集的技术和方法。通过本课程的学习，学员将能够使用Python语言开发简单的网络爬虫，从静态网页和动态网页中获取数据，并对数据进行处理和分析。
第1章 静态网页爬虫
-
第1节 爬虫的基本概念和原理
- 爬虫的定义和作用
- 爬虫的工作原理和基本流程
- Robots.txt协议的理解和遵守
-
第2节 HTTP原理
- HTTP请求和响应的结构
- HTTP请求方法的分类和用途
- HTTP状态码及其含义
-
第3节 爬虫抓包分析
- 使用抓包工具进行网络数据的捕获和分析
- 分析HTTP请求和响应，提取关键信息
第2章 Session和Cookie
-
第1节 静态网页和动态网页
- 静态网页和动态网页的区别
- 动态网页的生成原理和数据加载方式
-
第2节 无状态HTTP
- HTTP协议的无状态特性
- Session和Cookie的引入和作用
-
第3节 Session和Cookie
- Session的工作原理和实现
- Cookie的原理和用途
- 使用Session和Cookie处理登录和用户状态
第3章 代理和urllib
-
第1节 代理的基本原理
- 代理服务器的作用和分类
- 使用代理IP隐藏真实身份
-
第2节 urllib爬虫初体验
- Python的urllib库简介
- 使用urllib发送HTTP请求获取页面数据
-
第3节 处理异常
- 处理网络请求中的异常情况
- 设置超时和重试机制
-
第4节 解析链接
- 提取页面中的链接信息
- 相对链接和绝对链接的处理
第4章 Request库
-
第1节 GET请求
- 使用Request库发送GET请求获取数据
- 添加请求头和查询参数
-
第2节 POST请求
- 使用Request库发送POST请求提交数据
- 处理表单数据和JSON数据
-
第3节 响应
- 解析HTTP响应数据
- 获取响应状态、头部和内容
第5章 正则表达式
-
第1节 实例引入
- 正则表达式的作用和基本概念
- 使用正则表达式进行数据匹配
-
第2节 匹配方法
- 常用的正则表达式匹配方法
- 使用捕获组提取数据
第6章 BeautifulSoup
-
第1节 BeautifulSoup简介
- BeautifulSoup库的作用和特点
- 安装和基本用法
-
第2节 BeautifulSoup四大对象
- Tag、NavigableString、BeautifulSoup和Comment的使用
- 对象的属性和方法
-
第3节 遍历文档树
- 遍历和搜索文档树的方法
- 提取数据和节点信息
-
第4节 搜索文档树
- 使用标签名、CSS类、属性等条件进行节点搜索
- find和find_all方法的使用
-
第5节 CSS选择器
- 使用CSS选择器快速定位元素
- 选择器的语法和常见用法
第7章 XPath
-
第1节 基本术语
- XPath的定义和作用
- 节点、路径、谓语等基本术语
-
第2节 基本语法
- XPath表达式的写法和规则
- 使用XPath提取数据
第8章 Scrapy爬虫
-
第1节 Scrapy爬虫概述
- Scrapy框架的特点和优势
- Scrapy的安装和项目创建
-
第2节 Scrapy体系架构和数据流
- Scrapy框架的组成和工作流程
- 数据在Scrapy中的传递和处理
-
第3节 Scrapy爬虫项目
- 编写一个简单的Scrapy爬虫
- 爬取数据并进行持久化处理
授课讲师
熟练掌握Python语言；熟练运用PythonWeb开发、计算机视觉、自然语言处理。熟悉OpenCV、Sklearn、Pytorch、tensorflow等框架和模块。熟悉各种神经网络，如CNN、RNN、word2vec、yolo、GAN，熟悉attention机制以及bert预训练模型
课程大纲
- 第1章静态网页爬虫
-
第1节 爬虫的基本概念和原理 试听
-
第2节 HTTP原理 试听
-
第3节 爬虫抓包分析
- 第2章Session和Cookie
-
第1节 静态网页和动态网页
-
第2节 无状态HTTP
-
第3节 Session和Cookie
- 第3章代理和urllib
-
第1节 代理的基本原理
-
第2节 urllib爬虫初体验
-
第3节 处理异常
-
第4节 解析链接
- 第4章Request库
-
第1节 GET请求
-
第2节 POST请求
-
第3节 响应
- 第5章正则表达式
-
第1节 实例引入
-
第2节 匹配方法
- 第6章BeautifulSoup
-
第1节 BeautifulSoup四大对象
-
第2节 遍历文档树
-
第3节 搜索文档树
-
第4节 CSS选择器
- 第7章XPath
-
第1节 基本术语
-
第2节 基本语法
实验列表
- 实验名称使用BeautifulSoup进行网页解析与数据提取实验
- 实验描述本实验旨在教授如何使用BeautifulSoup库进行网页解析和数据提取。通过实验，您将学习如何从HTML或XML格式的网页文档中提取特定元素和信息，为数据采集、处理和分析提供基础。
- 实验名称正则表达式
- 实验描述本实验旨在教授如何使用正则表达式进行文本处理和匹配。通过实验，您将学习如何利用正则表达式快速搜索、匹配和提取文本中的特定模式，从而实现更高效的数据处理和分析。
- 实验名称Session + Cookie 模拟登录爬取实战
- 实验描述本实验旨在教授如何使用Session和Cookie来模拟登录，以及如何在登录状态下进行网页数据爬取。通过实验，您将学习如何绕过网站的登录限制，获取需要登录状态才能访问的页面数据。
| 节数 | 上课时间 | 星期一 | 星期二 | 星期三 | 星期四 | 星期五 | 星期六 | 星期天 |
|---|---|---|---|---|---|---|---|---|
| 第1节 | 08:00 - 08:40 | |||||||
| 第2节 | 09:00 - 09:40 | |||||||
| 第3节 | 10:00 - 10:40 | |||||||
| 第4节 | 11:00 - 11:40 | |||||||
| 第5节 | 14:00 - 14:40 | |||||||
| 第6节 | 15:00 - 15:40 | |||||||
| 第7节 | 16:00 - 16:40 | |||||||
| 第8节 | 17:00 - 17:40 |
| 天数 | 上课日期 | 上课时间 | 内容 |
|---|
相关课件 更多
-
pdf
第6章 BeautifulSoup
大小：819.34KB
2023-08-24
-
pptx
第7章 XPath的使用
大小：373.04KB
2023-07-30
-
pptx
第5章 正则表达式
大小：717.59KB
2023-07-30
-
pptx
第4章 Requests库
大小：389.8KB
2023-07-30
-
pptx
第3章 代理和urllib（2）
大小：837.38KB
2023-07-30
-
pptx
第3章 代理 和 urllib
大小：687.24KB
2023-07-30
020-38289118 转 171
971957201