150讲轻松学习Python网络爬虫

资深Python开发工程师 2023-01-13 01:18:36

课程名称适应人群
150讲轻松学习Python网络爬虫 适合所有想要学习网络爬虫的小伙伴。 适合运营，数据分析工作者，可以帮助你快速获取数据，分析指导工作。 适合任何Coder，学会爬虫可以帮你认知整个技术体系。

【为什么学爬虫？】

       1、爬虫入手容易，但是深入较难，如何写出高效率的爬虫，如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中，经常容易遇到被反爬虫，比如字体反爬、IP识别、验证码等，如何层层攻克难点拿到想要的数据，这门课程，你都能学到！

       2、如果是作为一个其他行业的开发者，比如app开发，web开发，学习爬虫能让你加强对技术的认知，能够开发出更加安全的软件和网站


【课程设计】

一个完整的爬虫程序，无论大小，总体来说可以分成三个步骤，分别是：

  1. 网络请求：模拟浏览器的行为从网上抓取数据。
  2. 数据解析：将请求下来的数据进行过滤，提取我们想要的数据。
  3. 数据存储：将提取到的数据存储到硬盘或者内存中。比如用mysql数据库或者redis等。

那么本课程也是按照这几个步骤循序渐进的进行讲解，带领学生完整的掌握每个步骤的技术。另外，因为爬虫的多样性，在爬取的过程中可能会发生被反爬、效率低下等。因此我们又增加了两个章节用来提高爬虫程序的灵活性，分别是：

  1. 爬虫进阶：包括IP代理，多线程爬虫，图形验证码识别、JS加密解密、动态网页爬虫、字体反爬识别等。
  2. Scrapy和分布式爬虫：Scrapy框架、Scrapy-redis组件、分布式爬虫等。

通过爬虫进阶的知识点我们能应付大量的反爬网站，而Scrapy框架作为一个专业的爬虫框架，使用他可以快速提高我们编写爬虫程序的效率和速度。另外如果一台机器不能满足你的需求，我们可以用分布式爬虫让多台机器帮助你快速爬取数据。

 

从基础爬虫到商业化应用爬虫，本套课程满足您的所有需求！



【课程服务】

专属付费社群+定期答疑




...全文
27858 595 打赏 收藏 转发到动态 举报
写回复
用AI写文章
595 条回复
切换为时间正序
请发表友善的回复…
发表回复
陽i 2025-04-18
  • 打赏
  • 举报
 回复

为什么美食杰这个网站是https加密的还能在浏览器login那里看到明文密码呢

megamegaman 2024-10-10
  • 打赏
  • 举报
 回复

从这个requests库的讲解开始就发现课程编排非常有问题，作为落后的urllib库，竟然花这么多课去讲，而且requests的用法和前面也是完全重复的

java大鱼 2023-12-29
  • 打赏
  • 举报
 回复

无法爬取？

Il Vento549 2023-08-03
  • 打赏
  • 举报
 回复

def parse_page(page_url):
resp = requests.get(page_url, headers=headers)
text = resp.text
parser = etree.HTML(text)
detail_url_list = parser.xpath("//div[@class='content2_left']/div[@class='xwt_b']//a/@href")
print(detail_url_list)
还是没办法打印出来大神救命呀

Il Vento549 2023-08-03
  • 打赏
  • 举报
 回复

def parse_detail(detail_url):
resp = requests.get(detail_url, headers=headers)
text = resp.text
parser = etree.HTML(text)
joke_title = parser.xpath("//h1[@class='article-title']/text()")[0]
joke_content = parser.xpath("//div[@class='article-text']//test()")
这个代码无法print()怎么处理

越狱兔崽子 2023-07-15
  • 打赏
  • 举报
 回复 1

为什么我不能打印rul
2023-07-15 14:50:02 [scrapy.utils.log] INFO: Scrapy 2.8.0 started (bot: lieyun)
2023-07-15 14:50:02 [scrapy.utils.log] INFO: Versions: lxml 4.9.1.0, libxml2 2.9.14, cssselect 1.1.0, parsel 1.6.0, w3lib 1.21.0, Twisted 22.2.0, Python 3.10.9 | packaged by Anaconda, Inc. | (main, Mar 1 2023, 18:18:15) [MSC v.1916 64 bit (AMD64)], pyOpenSSL 23.0.0 (OpenSSL 1.1.1t 7 Feb 2023), cryptography 39.0.1, Platform Windows-10-10.0.22621-SP0
2023-07-15 14:50:02 [scrapy.crawler] INFO: Overridden settings:
{'BOT_NAME': 'lieyun',
'FEED_EXPORT_ENCODING': 'utf-8',
'NEWSPIDER_MODULE': 'lieyun.spiders',
'REQUEST_FINGERPRINTER_IMPLEMENTATION': '2.7',
'SPIDER_MODULES': ['lieyun.spiders'],
'TWISTED_REACTOR': 'twisted.internet.asyncioreactor.AsyncioSelectorReactor'}
2023-07-15 14:50:02 [asyncio] DEBUG: Using selector: SelectSelector
2023-07-15 14:50:02 [scrapy.utils.log] DEBUG: Using reactor: twisted.internet.asyncioreactor.AsyncioSelectorReactor
2023-07-15 14:50:02 [scrapy.utils.log] DEBUG: Using asyncio event loop: asyncio.windows_events._WindowsSelectorEventLoop
2023-07-15 14:50:02 [scrapy.extensions.telnet] INFO: Telnet Password: 2f72fbcd090b556a
2023-07-15 14:50:02 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.logstats.LogStats']
2023-07-15 14:50:03 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2023-07-15 14:50:03 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2023-07-15 14:50:03 [scrapy.middleware] INFO: Enabled item pipelines:
['lieyun.pipelines.LieyunPipeline']
2023-07-15 14:50:03 [scrapy.core.engine] INFO: Spider opened
2023-07-15 14:50:03 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2023-07-15 14:50:03 [py.warnings] WARNING: D:\InstallApp\Anconda202302\lib\site-packages\scrapy\spidermiddlewares\offsite.py:80: PortWarning: allowed_domains accepts only domains without ports. Ignoring entry 139.9.128.184:8088 in allowed_domains.
warnings.warn(message, PortWarning)

2023-07-15 14:50:03 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6023
2023-07-15 14:50:04 [tldextract.cache] WARNING: unable to cache publicsuffix.org-tlds.{'urls': ('https://publicsuffix.org/list/public_suffix_list.dat', 'https://raw.githubusercontent.com/publicsuffix/list/master/public_suffix_list.dat'), 'fallback_to_snapshot': True} in D:\InstallApp\Anconda202302\lib\site-packages\tldextract.suffix_cache/publicsuffix.org-tlds\de84b5ca2167d4c83e38fb162f2e8738.tldextract.json. This could refresh the Public Suffix List over HTTP every app startup. Construct your TLDExtract with a writable cache_dir or set cache_dir=False to silence this warning. [WinError 5] 拒绝访问。: 'D:\InstallApp\Anconda202302\lib\site-packages\tldextract\.suffix_cache'
2023-07-15 14:50:04 [urllib3.connectionpool] DEBUG: Starting new HTTPS connection (1): publicsuffix.org:443
2023-07-15 14:50:04 [urllib3.connectionpool] DEBUG: https://publicsuffix.org/ "GET /list/public_suffix_list.dat HTTP/1.1" 200 77820
2023-07-15 14:50:04 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://139.9.128.184:8088/latest/p1.html%3E (referer: None)
2023-07-15 14:50:05 [scrapy.spidermiddlewares.offsite] DEBUG: Filtered offsite request to '139.9.128.184': <GET http://139.9.128.184:8088/latest/p1.html%3E
2023-07-15 14:50:05 [scrapy.core.engine] INFO: Closing spider (finished)
2023-07-15 14:50:05 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 313,
'downloader/request_count': 1,
'downloader/request_method_count/GET': 1,
'downloader/response_bytes': 21010,
'downloader/response_count': 1,
'downloader/response_status_count/200': 1,
'elapsed_time_seconds': 1.750512,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2023, 7, 15, 6, 50, 5, 145256),
'httpcompression/response_bytes': 157938,
'httpcompression/response_count': 1,
'log_count/DEBUG': 7,
'log_count/INFO': 10,
'log_count/WARNING': 2,
'offsite/domains': 1,
'offsite/filtered': 29,
'request_depth_max': 1,
'response_received_count': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2023, 7, 15, 6, 50, 3, 394744)}
2023-07-15 14:50:05 [scrapy.core.engine] INFO: Spider closed (finished)

weixin_45407637 2023-05-13
  • 打赏
  • 举报
 回复

老师，为什么同样的代码，你这边运行都能获取到，我这边就开始报错啊？

小小小蚂蚁。 2024-03-13
  • 举报
 回复
@weixin_45407637 怕是有反爬哦
♠️king♥️ 2023-04-19
  • 打赏
  • 举报
 回复 2

老师，您的英语读的超烂啊，随便瞎读的吧。

废物小袁 2023-04-10
  • 打赏
  • 举报
 回复

课件在哪

pyebl 2023-04-06
  • 打赏
  • 举报
 回复

课件可以分享么？
PPT不方便的话，PDF也可以

小C哇 2023-02-23
  • 打赏
  • 举报
 回复 

from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.chrome.service import Service
from selenium import webdriver
from selenium.webdriver.common.by import By

dirver = webdriver.Chrome(service=Service('D:/chromedriver_win32/chromedriver.exe'))
dirver.get('https://www.zhihu.com/signin?next=%2F')

action = ActionChains(dirver)

password_log = dirver.find_element(By.XPATH,value='//form/div/div[@role="button"][2]')
action.move_to_element(password_log)
action.click(password_log)

usernameTag = dirver.find_element(By.NAME, 'username')
action.move_to_element(usernameTag).send_keys('1479709179')
action.send_keys(usernameTag,'1479709179')
# action.send_keys(usernameTag,'1479709179')

passwordTag = dirver.find_element(By.NAME,'password')
action.move_to_element(passwordTag).send_keys('123456')


submit = dirver.find_element(By.CLASS_NAME,'SignFlow-submitButton')
action.move_to_element(submit)
action.click(submit)
dirver.quit()

报错为 object of type 'WebElement' has no len()这个怎么解决

Insight VIDI 2022-11-05
  • 打赏
  • 举报
 回复
笔记可以私发吗
m0_73980071 2022-10-06
  • 打赏
  • 举报
 回复
老师上课的课程笔哪那里可以获取
上岸了深大 2022-08-20
  • 打赏
  • 举报
 回复
啊
上岸了深大 2022-08-20
  • 打赏
  • 举报
 回复
怕豆瓣的兄弟们注意了，尽量用代理IP，超容易被封！
电房维保维修-小胡电工 2022-08-04
  • 打赏
  • 举报
 回复
王者荣耀那个案列讲得超级烂
m0_55388977 2022-07-31
  • 打赏
  • 举报
 回复
错误如下，加了verify=False，还是不行。请问这该怎么解决呢？谢谢啦。 requests.exceptions.SSLError: HTTPSConnectionPool(host='xiaohua.zol.com.cn', port=443): Max retries exceeded with url: /new/3.html (Caused by SSLError(SSLError("bad handshake: Error([('SSL routines', '', 'unsafe legacy renegotiation disabled')])"))) import requests from lxml import etree headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36"} # 解析列表页 def parse_page(page_url): resp = requests.get(url = page_url, headers=headers, verify=False) print(resp.text) def main(): page_url = "https://xiaohua.zol.com.cn/new/3.html" parse_page(page_url) if __name__ == "__main__": main()
小C哇 2022-07-21
  • 打赏
  • 举报
 回复
url = 'http://httpbin.org/ip' #1 使用ProxyHandler,传入代理构建一个handler handle = request.ProxyHandler({'http': '60.185.150.69:22035'}) #2 使用上面创建的handler构建一个opener opener = request.build_opener(handle) #3 使用opener去发送一个请求 resp = opener.open(url) print(resp.read()) urllib.error.URLError: 为什么会出现这样情况，ip代理是购买的
yinzzws 2022-07-17
  • 打赏
  • 举报
 回复
伙伴们，爬虫基本库里的作业，爬取biedoul网站那个，老师是如何爬取多页的呀我么有那个文件欸
yinzzws 2022-07-17
  • 打赏
  • 举报
 回复
伙伴们，爬虫基本库里的作业，爬取biedoul网站那个，老师是如何爬取多页的呀我么有那个文件欸
加载更多回复（410）
150讲轻松搞定Python网络爬虫
【为什么学爬虫？】        1、爬虫入手容易，但是深入较难，如何写出高效率的爬虫，如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中，经常容易遇到被反爬虫，比如字体反爬、IP识别、验证码等，如何层层攻克难点拿到想要的数据，这门课程，你都能学到！        2、如果是作为一个其他行业的开发者，比如app开发，web开发，学习爬虫能让你加强对技术的认知，能够开发出更加安全的软件和网站 【课程设计】 一个完整的爬虫程序，无论大小，总体来说可以分成三个步骤，分别是： 网络请求：模拟浏览器的行为从网上抓取数据。数据解析：将请求下来的数据进行过滤，提取我们想要的数据。数据存储：将提取到的数据存储到硬盘或者内存中。比如用mysql数据库或者redis等。那么本课程也是按照这几个步骤循序渐进的进行讲解，带领学生完整的掌握每个步骤的技术。另外，因为爬虫的多样性，在爬取的过程中可能会发生被反爬、效率低下等。因此我们又增加了两个章节用来提高爬虫程序的灵活性，分别是： 爬虫进阶：包括IP代理，多线程爬虫，图形验证码识别、JS加密解密、动态网页爬虫、字体反爬识别等。Scrapy和分布式
Python爬虫入门到进阶：解锁网络数据的钥匙-Markdown材料.zip
Python爬虫入门到进阶：解锁网络数据的钥匙 在数字化时代，数据已成为最宝贵的资源之一。然而，如何获取这些数据，尤其是隐藏在网页背后的信息，成为了许多开发者、数据分析师和研究人员面临的挑战。现在，我们为你带来了一份宝贵的资源——《Python爬虫入门到进阶：解锁网络数据的钥匙》Markdown材料。 这份材料将带你走进Python爬虫的世界，从基础知识讲起，逐步深入到高级技巧和实战应用。你将学习如何使用Python编写爬虫程序，自动抓取网络上的各类数据，包括文本、图片、视频等。同时，材料还将介绍如何绕过反爬虫机制、处理数据爬取中的常见问题，以及如何对爬取到的数据进行清洗、存储和分析。 无论你是Python初学者还是有一定经验的开发者，这份材料都将为你提供宝贵的学习机会和实战指导。它将帮助你掌握一门强大的技能，让你能够轻松解锁网络数据的宝藏，为你的工作和学习带来极大的便利。快来查看这份材料，开启你的Python爬虫之旅吧！
python入门到精通视频（60讲）.txt
python入门到精通视频（60讲），python从入门到精通视频将复杂的编程概念分解成简单的步骤，简单易懂。作者通过多年的教学经验精心挑选出了最有特点的例子，手把手地实例教学。学习更加轻松。以一学就会的理念讲授Python是什么，需要哪些软件，相对应的模块怎么使用，让那些没有编程经验的初学者也能够轻松学习Python编程。
150讲轻松搞定Python网络爬虫 - 课程学习笔记
课程学习笔记，150讲轻松搞定Python网络爬虫 https://edu.csdn.net/course/detail/24756 我为什么要学习爬虫？ 因为爬虫容易学啊，学会了非常实用。几行代码抓堆图片和小说，不要太好用。 还有个原因，学习爬虫让我可以更了解Web技术。 作为一个Web开发者，网站防爬是你必须要修炼的功课。 不懂爬虫，你怎么能开发出安全的网站。 不懂爬虫，小白都可以分分钟把你的网站数据抓光！ 不懂爬虫，你不会知道各种验证码分分钟破解！ 不懂爬虫，你不会知道定制如此简单.
黄勇的课程社区_NO_1

5

社区成员

158

社区内容

发帖
与我相关
我的任务
社区管理员
  • 资深Python开发工程师
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章