Python分散式爬蟲必學框架Scrapy打造搜索引擎

部分課程截圖：

 點擊鏈接或搜索QQ號直接加群獲取其它資料：

鏈接：https://pan.baidu.com/s/1-wHr4dTAxfd51Mj9DxiJ4Q 
提取碼：ik1n

免費分享，如若鏈接失效請加群

其它資源在群里，私聊管理員即可免費領取；群——517432778，點擊加群，或掃描二維碼

• 第1章 課程介紹

  介紹課程目標、通過課程能學習到的內容、和系統開發前需要具備的知識

  •  1-1 python分散式爬蟲打造搜索引擎簡介試看

• 第2章 windows下搭建開發環境

  介紹項目開發需要安裝的開發軟體、 python虛擬virtualenv和 virtualenvwrapper的安裝和使用、 最後介紹pycharm和navicat的簡單使用

  •  2-1 pycharm的安裝和簡單使用
  •  2-2 mysql和navicat的安裝和使用
  •  2-3 windows和linux下安裝python2和python3
  •  2-4 虛擬環境的安裝和配置

• 第3章 爬蟲基礎知識回顧

  介紹爬蟲開發中需要用到的基礎知識包括爬蟲能做什麼，正則表達式，深度優先和廣度優先的演算法及實現、爬蟲url去重的策略、徹底弄清楚unicode和utf8編碼的區別和應用。

  •  3-1 技術選型 爬蟲能做什麼
  •  3-2 正則表達式-1
  •  3-3 正則表達式-2
  •  3-4 正則表達式-3
  •  3-5 深度優先和廣度優先原理
  •  3-6 url去重方法
  •  3-7 徹底搞清楚unicode和utf8編碼

• 第4章 scrapy爬取知名技術文章網站

  搭建scrapy的開發環境，本章介紹scrapy的常用命令以及工程目錄結構分析，本章中也會詳細的講解xpath和css選擇器的使用。然後通過scrapy提供的spider完成所有文章的爬取。然後詳細講解item以及item loader方式完成具體欄位的提取後使用scrapy提供的pipeline分別將數據保存到json文件以及mysql資料庫中。...

  •  4-1 關於文章網站不能訪問的解決辦法(本章學習之前的註意事項) 
  •  4-2 scrapy安裝以及目錄結構介紹
  •  4-3 pycharm 調試scrapy 執行流程
  •  4-4 xpath的用法 - 1
  •  4-5 xpath的用法 - 2
  •  4-6 xpath的用法 - 3
  •  4-7 css選擇器實現欄位解析 - 1
  •  4-8 css選擇器實現欄位解析 - 2
  •  4-9 編寫spider爬取jobbole的所有文章 - 1
  •  4-10 編寫spider爬取jobbole的所有文章 - 2
  •  4-11 items設計 - 1
  •  4-12 items設計 - 2
  •  4-13 items設計 - 3
  •  4-14 數據表設計和保存item到json文件
  •  4-15 通過pipeline保存數據到mysql - 1
  •  4-16 通過pipeline保存數據到mysql - 2
  •  4-17 scrapy item loader機制 - 1
  •  4-18 scrapy item loader機制- 2

• 第5章 scrapy爬取知名問答網站

  本章主要完成網站的問題和回答的提取。本章除了分析出問答網站的網路請求以外還會分別通過requests和scrapy的FormRequest兩種方式完成網站的模擬登錄， 本章詳細的分析了網站的網路請求並分別分析出了網站問題回答的api請求介面並將數據提取出來後保存到mysql中。...

  •  5-1 session和cookie自動登錄機制試看
  •  5-2 . selenium模擬登錄知乎 - 1new
  •  5-3 . selenium模擬登錄知乎-2new
  •  5-4 . selenium模擬登錄知乎-3new
  •  5-5 . 知乎倒立文字識別 new
  •  5-6 . selenium自動識別驗證碼完成模擬登錄-1new
  •  5-7 . selenium自動識別驗證碼完成模擬登錄 - 2 new
  •  5-8 requests模擬登陸知乎 - 1(可選觀看)
  •  5-9 requests模擬登陸知乎 - 2（可選觀看）
  •  5-10 requests模擬登陸知乎 - 3（可選觀看）
  •  5-11 scrapy模擬知乎登錄（可選觀看）
  •  5-12 知乎分析以及數據表設計1
  •  5-13 知乎分析以及數據表設計 - 2
  •  5-14 item loder方式提取question - 1
  •  5-15 item loder方式提取question - 2
  •  5-16 item loder方式提取question - 3
  •  5-17 知乎spider爬蟲邏輯的實現以及answer的提取 - 1
  •  5-18 知乎spider爬蟲邏輯的實現以及answer的提取 - 2
  •  5-19 保存數據到mysql中 -1
  •  5-20 保存數據到mysql中 -2
  •  5-21 保存數據到mysql中 -3

• 第6章 通過CrawlSpider對招聘網站進行整站爬取

  本章完成招聘網站職位的數據表結構設計，並通過link extractor和rule的形式並配置CrawlSpider完成招聘網站所有職位的爬取，本章也會從源碼的角度來分析CrawlSpider讓大家對CrawlSpider有深入的理解。

  •  6-1 數據表結構設計
  •  6-2 CrawlSpider源碼分析-新建CrawlSpider與settings配置
  •  6-3 CrawlSpider源碼分析
  •  6-4 Rule和LinkExtractor使用
  •  6-5 拉勾網302之後的模擬登錄和cookie傳遞(網站需要登錄時學習本視頻教程)
  •  6-6 item loader方式解析職位
  •  6-7 職位數據入庫-1
  •  6-8 職位信息入庫-2

• 第7章 Scrapy突破反爬蟲的限制

  本章會從爬蟲和反爬蟲的鬥爭過程開始講解，然後講解scrapy的原理，然後通過隨機切換user-agent和設置scrapy的ip代理的方式完成突破反爬蟲的各種限制。本章也會詳細介紹httpresponse和httprequest來詳細的分析scrapy的功能，最後會通過雲打碼平臺來完成線上驗證碼識別以及禁用cookie和訪問頻率來降低爬蟲被屏蔽的可能性。...

  •  7-1 爬蟲和反爬的對抗過程以及策略試看
  •  7-2 scrapy架構源碼分析
  •  7-3 Requests和Response介紹
  •  7-4 通過downloadmiddleware隨機更換user-agent-1
  •  7-5 通過downloadmiddleware隨機更換user-agent - 2
  •  7-6 scrapy實現ip代理池 - 1
  •  7-7 scrapy實現ip代理池 - 2
  •  7-8 scrapy實現ip代理池 - 3
  •  7-9 雲打碼實現驗證碼識別
  •  7-10 cookie禁用、自動限速、自定義spider的settings

• 第8章 scrapy進階開發

  本章將講解scrapy的更多高級特性，這些高級特性包括通過selenium和phantomjs實現動態網站數據的爬取以及將這二者集成到scrapy中、scrapy信號、自定義中間件、暫停和啟動scrapy爬蟲、scrapy的核心api、scrapy的telnet、scrapy的web service和scrapy的log配置和email發送等。 這些特性使得我們不僅只是可以通過scrapy來完成...

  •  8-1 selenium動態網頁請求與模擬登錄知乎
  •  8-2 selenium模擬登錄微博， 模擬滑鼠下拉
  •  8-3 chromedriver不載入圖片、phantomjs獲取動態網頁
  •  8-4 selenium集成到scrapy中
  •  8-5 其餘動態網頁獲取技術介紹-chrome無界面運行、scrapy-splash、selenium-grid, splinter
  •  8-6 scrapy的暫停與重啟
  •  8-7 scrapy url去重原理
  •  8-8 scrapy telnet服務
  •  8-9 spider middleware 詳解
  •  8-10 scrapy的數據收集
  •  8-11 scrapy信號詳解
  •  8-12 scrapy擴展開發

• 第9章 scrapy-redis分散式爬蟲

  Scrapy-redis分散式爬蟲的使用以及scrapy-redis的分散式爬蟲的源碼分析， 讓大家可以根據自己的需求來修改源碼以滿足自己的需求。最後也會講解如何將bloomfilter集成到scrapy-redis中。

  •  9-1 分散式爬蟲要點
  •  9-2 redis基礎知識 - 1
  •  9-3 redis基礎知識 - 2
  •  9-4 scrapy-redis編寫分散式爬蟲代碼
  •  9-5 scrapy源碼解析-connection.py、defaults.py-
  •  9-6 scrapy-redis源碼剖析-dupefilter.py-
  •  9-7 scrapy-redis源碼剖析- pipelines.py、 queue.py-
  •  9-8 scrapy-redis源碼分析- scheduler.py、spider.py-
  •  9-9 集成bloomfilter到scrapy-redis中

• 第10章 elasticsearch搜索引擎的使用

  本章將講解elasticsearch的安裝和使用，將講解elasticsearch的基本概念的介紹以及api的使用。本章也會講解搜索引擎的原理並講解elasticsearch-dsl的使用，最後講解如何通過scrapy的pipeline將數據保存到elasticsearch中。

  •  10-1 elasticsearch介紹
  •  10-2 elasticsearch安裝
  •  10-3 elasticsearch-head插件以及kibana的安裝
  •  10-4 elasticsearch的基本概念
  •  10-5 倒排索引
  •  10-6 elasticsearch 基本的索引和文檔CRUD操作
  •  10-7 elasticsearch的mget和bulk批量操作
  •  10-8 elasticsearch的mapping映射管理
  •  10-9 elasticsearch的簡單查詢 - 1
  •  10-10 elasticsearch的簡單查詢 - 2
  •  10-11 elasticsearch的bool組合查詢
  •  10-12 scrapy寫入數據到elasticsearch中 - 1
  •  10-13 scrapy寫入數據到elasticsearch中 - 2

• 第11章 django搭建搜索網站

  本章講解如何通過django快速搭建搜索網站， 本章也會講解如何完成django與elasticsearch的搜索查詢交互。

  •  11-1 es完成搜索建議-搜索建議欄位保存 - 1
  •  11-2 es完成搜索建議-搜索建議欄位保存 - 2
  •  11-3 django實現elasticsearch的搜索建議 - 1
  •  11-4 django實現elasticsearch的搜索建議 - 2
  •  11-5 django實現elasticsearch的搜索功能 -1
  •  11-6 django實現elasticsearch的搜索功能 -2
  •  11-7 django實現搜索結果分頁
  •  11-8 搜索記錄、熱門搜索功能實現 - 1
  •  11-9 搜索記錄、熱門搜索功能實現 - 2

• 第12章 scrapyd部署scrapy爬蟲

  本章主要通過scrapyd完成對scrapy爬蟲的線上部署。

  •  12-1 scrapyd部署scrapy項目