Python3網絡爬蟲開發實戰 第2版

崔慶才
微軟（中國）軟件工程師，北京航空航天大學碩士，主要研究網絡爬蟲、Web 開發、機器學習等方向。

第 1章　爬蟲基礎 1
1．1　HTTP基本原理　1
1．2　Web 網頁基礎　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　正則表達式　63
2．4　httpx的使用　73
2．5　基礎爬蟲案例實戰　78
第3章　網頁數據的解析提取　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　數據的存儲　128
4．1　TXT 文本文件存儲　128
4．2　JSON 文件存儲　130
4．3　CSV 文件存儲　134
4．4　MySQL 存儲　138
4．5　MongoDB 文檔存儲　144
4．6　Redis緩存存儲　151
4．7　Elasticsearch 搜索引擎存儲　159
4．8　RabbitMQ 的使用　166
第5章　Ajax 數據爬取　174
5．1　什麼是 Ajax　174
5．2　Ajax分析方法　176
5．3　Ajax 分析與爬取實戰　179
第6章　異步爬蟲　191
6．1　協程的基本原理　191
6．2　aiohttp的使用　201
6．3　aiohttp 異步爬取實戰　207
第7章　JavaScript 動態渲染頁面爬取　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 爬取實戰　269
7．6　Pyppeteer 爬取實戰　276
7．7　CSS 位置偏移反爬案例分析與爬取實戰　282
7．8　字體反爬案例分析與爬取實戰　287
第8章　驗證碼的識別　293
8．1　使用 OCR 技術識別圖形驗證碼　293
8．2　使用 OpenCV 識別滑動驗證碼的缺口　298
8．3　使用深度學習識別圖形驗證碼　304
8．4　使用深度學習識別滑動驗證碼的缺口　309
8．5　使用打碼平臺識別驗證碼　316
8．6　手機驗證碼的自動化處理　324
第9章　代理的使用　331
9．1　代理的設置　331
9．2　代理池的維護　340
9．3　付費代理的使用　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戰　365
第　10章 模擬登錄　373
10．1　模擬登錄的基本原理　373
10．2　基於Session和Cookie的模擬登錄爬取實戰　376
10．3　基於JWT的模擬登錄爬取實戰　381
10．4　大規模賬號池的搭建　385
第　11章 JavaScript 逆向爬蟲　397
11．1　網站加密和混淆技術簡介　397
11．2　瀏覽器調試常用技巧　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 模擬執行 JavaScript　445
11．6　使用 Node． js 模擬執行 JavaScript　451
11．7　瀏覽器環境下 JavaScript 的模擬執行　454
11．8　AST 技術簡介　460
11．9　使用 AST 技術還原混淆代碼　472
11．10　特殊混淆案例的還原　480
11．11　WebAssembly 案例分析和爬取實戰　490
11．12　JavaScript 逆向技巧總結　498
11．13　JavaScript 逆向爬取實戰　505
第　12章 App 數據的爬取　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 實時抓包處理　544
12．4　Appium 的使用　551
12．5　基於 Appium 的 App 爬取實戰　562
12．6　Airtest 的使用　568
12．7　基於 Airtest 的 App 爬取實戰　585
12．8　手機群控爬取實戰　591
12．9　雲手機的使用　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　基於 Xposed 的爬取實戰案例　635
13．5　Frida 的使用　643
13．6　SSL Pining 問題的解決方案　650
13．7　Android 脫殼技術簡介與實戰　657
13．8　利用 IDA Pro 靜態分析和動態調試 so 文件　664
13．9　基於 Frida-RPC 模擬執行 so 文件　680
13．10　基於 AndServer-RPC 模擬執行 so 文件　685
13．11　基於 unidbg 模擬執行 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現　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現　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 規則化爬蟲　813
15．13　Scrapy 實戰　827
第　16章 分佈式爬蟲　840
16．1　分佈式爬蟲理念　840
16．2　Scrapy-Redis原理和源碼解析　842
16．3　基於Scrapy-Redis的分佈式爬蟲實現　847
16．4　基於Bloom Filter進行大規模去重　851
16．5　基於RabbitMQ的分佈式爬蟲　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 分佈式爬蟲的數據統計方案　899
17．9　基於Prometheus和Grafana的分佈式爬蟲監控方案　904
附錄　爬蟲與法律　917