Python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)（第2版）

第 1章　爬蟲基礎(chǔ) 1
1．1　HTTP基本原理　1
1．2　Web 網(wǎng)頁基礎(chǔ)　12
1．3　爬蟲的基本原理　19
1．4　Session和Cookie　21
1．5　代理的基本原理　24
1．6　多線程和多進(jìn)程的基本原理　26
第　2章 基本庫的使用　29
2．1　urllib的使用　29
2．2　requests的使用　47
2．3　正則表達(dá)式　63
2．4　httpx的使用　73
2．5　基礎(chǔ)爬蟲案例實(shí)戰(zhàn)　78
第3章　網(wǎng)頁數(shù)據(jù)的解析提取　90
3．1　XPath的使用　90
3．2　Beautiful Soup的使用　99
3．3　pyquery的使用　113
3．4　parsel 的使用　124
第4章　數(shù)據(jù)的存儲(chǔ)　128
4．1　TXT 文本文件存儲(chǔ)　128
4．2　JSON 文件存儲(chǔ)　130
4．3　CSV 文件存儲(chǔ)　134
4．4　MySQL 存儲(chǔ)　138
4．5　MongoDB 文檔存儲(chǔ)　144
4．6　Redis緩存存儲(chǔ)　151
4．7　Elasticsearch 搜索引擎存儲(chǔ)　159
4．8　RabbitMQ 的使用　166
第5章　Ajax 數(shù)據(jù)爬取　174
5．1　什么是 Ajax　174
5．2　Ajax分析方法　176
5．3　Ajax 分析與爬取實(shí)戰(zhàn)　179
第6章　異步爬蟲　191
6．1　協(xié)程的基本原理　191
6．2　aiohttp的使用　201
6．3　aiohttp 異步爬取實(shí)戰(zhàn)　207
第7章　JavaScript 動(dòng)態(tài)渲染頁面爬取　212
7．1　Selenium 的使用　212
7．2　Splash 的使用　226
7．3　Pyppeteer 的使用　242
7．4　Playwright 的使用　257
7．5　Selenium 爬取實(shí)戰(zhàn)　269
7．6　Pyppeteer 爬取實(shí)戰(zhàn)　276
7．7　CSS 位置偏移反爬案例分析與爬取實(shí)戰(zhàn)　282
7．8　字體反爬案例分析與爬取實(shí)戰(zhàn)　287
第8章　驗(yàn)證碼的識別　293
8．1　使用 OCR 技術(shù)識別圖形驗(yàn)證碼　293
8．2　使用 OpenCV 識別滑動(dòng)驗(yàn)證碼的缺口　298
8．3　使用深度學(xué)習(xí)識別圖形驗(yàn)證碼　304
8．4　使用深度學(xué)習(xí)識別滑動(dòng)驗(yàn)證碼的缺口　309
8．5　使用打碼平臺(tái)識別驗(yàn)證碼　316
8．6　手機(jī)驗(yàn)證碼的自動(dòng)化處理　324
第9章　代理的使用　331
9．1　代理的設(shè)置　331
9．2　代理池的維護(hù)　340
9．3　付費(fèi)代理的使用　351
9．4　ADSL 撥號代理的搭建方法　357
9．5　代理反爬案例爬取實(shí)戰(zhàn)　365
第　10章 模擬登錄　373
10．1　模擬登錄的基本原理　373
10．2　基于Session和Cookie的模擬登錄爬取實(shí)戰(zhàn)　376
10．3　基于JWT的模擬登錄爬取實(shí)戰(zhàn)　381
10．4　大規(guī)模賬號池的搭建　385
第　11章 JavaScript 逆向爬蟲　397
11．1　網(wǎng)站加密和混淆技術(shù)簡介　397
11．2　瀏覽器調(diào)試常用技巧　413
11．3　JavaScript Hook 的使用　430
11．4　無限 debugger 的原理與繞過　440
11．5　使用 Python 模擬執(zhí)行 JavaScript　445
11．6　使用 Node．js 模擬執(zhí)行 JavaScript　451
11．7　瀏覽器環(huán)境下 JavaScript 的模擬執(zhí)行　454
11．8　AST 技術(shù)簡介　460
11．9　使用 AST 技術(shù)還原混淆代碼　472
11．10　特殊混淆案例的還原　480
11．11　WebAssembly 案例分析和爬取實(shí)戰(zhàn)　490
11．12　JavaScript 逆向技巧總結(jié)　498
11．13　JavaScript 逆向爬取實(shí)戰(zhàn)　505
第　12章 App 數(shù)據(jù)的爬取　530
12．1　Charles 抓包工具的使用　530
12．2　mitmproxy 抓包工具的使用　538
12．3　mitmdump 實(shí)時(shí)抓包處理　544
12．4　Appium 的使用　551
12．5　基于 Appium 的 App 爬取實(shí)戰(zhàn)　562
12．6　Airtest 的使用　568
12．7　基于 Airtest 的 App 爬取實(shí)戰(zhàn)　585
12．8　手機(jī)群控爬取實(shí)戰(zhàn)　591
12．9　云手機(jī)的使用　594
第　13章 Android 逆向　603
13．1　jadx 的使用　603
13．2　JEB 的使用　615
13．3　Xposed 框架的使用　624
13．4　基于 Xposed 的爬取實(shí)戰(zhàn)案例　635
13．5　Frida 的使用　643
13．6　SSL Pining 問題的解決方案　650
13．7　Android 脫殼技術(shù)簡介與實(shí)戰(zhàn)　657
13．8　利用 IDA Pro 靜態(tài)分析和動(dòng)態(tài)調(diào)試 so 文件　664
13．9　基于 Frida-RPC 模擬執(zhí)行 so 文件　680
13．10　基于 AndServer-RPC 模擬執(zhí)行 so 文件　685
13．11　基于 unidbg 模擬執(zhí)行 so 文件　692
第　14章 頁面智能解析　700
14．1　頁面智能解析簡介　700
14．2　詳情頁智能解析算法簡介　707
14．3　詳情頁智能解析算法的實(shí)現(xiàn)　714
14．4　列表頁智能解析算法簡介　722
14．5　列表頁智能解析算法的實(shí)現(xiàn)　727
14．6　如何智能分辨列表頁和詳情頁　735
第　15章 Scrapy框架的使用　739
15．1　Scrapy框架介紹　739
15．2　Scrapy入門　743
15．3　Selector 的使用　754
15．4　Spider 的使用　759
15．5　Downloader Middleware的使用　766
15．6　Spider Middleware的使用　775
15．7　Item Pipeline的使用　781
15．8　Extension的使用　792
15．9　Scrapy 對接 Selenium　795
15．10　Scrapy 對接 Splash　801
15．11　Scrapy 對接 Pyppeteer　806
15．12　Scrapy 規(guī)則化爬蟲　813
15．13　Scrapy 實(shí)戰(zhàn)　827
第　16章 分布式爬蟲　840
16．1　分布式爬蟲理念　840
16．2　Scrapy-Redis原理和源碼解析　842
16．3　基于Scrapy-Redis的分布式爬蟲實(shí)現(xiàn)　847
16．4　基于Bloom Filter進(jìn)行大規(guī)模去重　851
16．5　基于RabbitMQ的分布式爬蟲　859
第　17章 爬蟲的管理和部署　862
17．1　Scrapyd和ScrapydAPI的使用　862
17．2　Scrapyd-Client 的使用　867
17．3　Gerapy 爬蟲管理框架的使用　869
17．4　將Scrapy 項(xiàng)目打包成 Docker 鏡像　873
17．5　Docker Compose 的使用　878
17．6　Kubernetes的使用　880
17．7　用 Kubernetes 部署和管理 Scrapy 爬蟲　888
17．8　Scrapy 分布式爬蟲的數(shù)據(jù)統(tǒng)計(jì)方案　899
17．9　基于Prometheus和Grafana的分布式爬蟲監(jiān)控方案　904
附錄　爬蟲與法律　917