本书介绍了如何利用 Python 3 开发网络爬虫。本书为第 2 版，相比于第 1 版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript 逆向、App 逆向、页面智能解析、深度学习识别验证码、Kubernetes 运维及部署等知识点，同时也对各个爬虫知识点涉及的请求、存储、解析、测试等工具进行了丰富和更新。
本书适合Python 程序员阅读。
1.Python 之父 Guido van Rossum 推荐的爬虫入门书，第 1 版销量近 100000 册；
2.微软中国大数据工程师、博客文章过百万的博主静觅力作；
3.新增异步爬虫、JavaScript 逆向、App 逆向、智能网页解析、深度学习识别验证码、Kubernetes 运维及部署等知识点；
4.相比于版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。
崔庆才
微软（中国）软件工程师，北京航空航天大学硕士，主要研究网络爬虫、Web 开发、机器学习等方向。
第 1章 爬虫基础1
1.1 HTTP基本原理 1
1.2 Web 网页基础 12
1.3 爬虫的基本原理 19
1.4 Session和Cookie 21
1.5 代理的基本原理 24
1.6 多线程和多进程的基本原理 26
第 2章 基本库的使用 29
2.1 urllib的使用 29
2.2 requests的使用 47
2.3 正则表达式 63
2.4 httpx的使用 73
2.5 基础爬虫案例实战 78
第3章 网页数据的解析提取 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 数据的存储 128
4.1 TXT 文本文件存储 128
4.2 JSON 文件存储 130
4.3 CSV 文件存储 134
4.4 MySQL 存储 138
4.5 MongoDB 文档存储 144
4.6 Redis缓存存储 151
4.7 Elasticsearch 搜索引擎存储 159
4.8 RabbitMQ 的使用 166
第5章 Ajax 数据爬取 174
5.1 什么是 Ajax 174
5.2 Ajax分析方法 176
5.3 Ajax 分析与爬取实战 179
第6章 异步爬虫 191
6.1 协程的基本原理 191
6.2 aiohttp的使用 201
6.3 aiohttp 异步爬取实战 207
第7章 JavaScript 动态渲染页面爬取 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 爬取实战 269
7.6 Pyppeteer 爬取实战 276
7.7 CSS 位置偏移反爬案例分析与爬取实战 282
7.8 字体反爬案例分析与爬取实战 287
第8章 验证码的识别 293
8.1 使用 OCR 技术识别图形验证码 293
8.2 使用 OpenCV 识别滑动验证码的缺口 298
8.3 使用深度学习识别图形验证码 304
8.4 使用深度学习识别滑动验证码的缺口 309
8.5 使用打码平台识别验证码 316
8.6 手机验证码的自动化处理 324
第9章 代理的使用 331
9.1 代理的设置 331
9.2 代理池的维护 340
9.3 付费代理的使用 351
9.4 ADSL 拨号代理的搭建方法 357
9.5 代理反爬案例爬取实战 365
第 10章 模拟登录 373
10.1 模拟登录的基本原理 373
10.2 基于Session和Cookie的模拟登录爬取实战 376
10.3 基于JWT的模拟登录爬取实战 381
10.4 大规模账号池的搭建 385
第 11章 JavaScript 逆向爬虫 397
11.1 网站加密和混淆技术简介 397
11.2 浏览器调试常用技巧 413
11.3 JavaScript Hook 的使用 430
11.4 无限 debugger 的原理与绕过 440
11.5 使用 Python 模拟执行 JavaScript 445
11.6 使用 Node.js 模拟执行 JavaScript 451
11.7 浏览器环境下 JavaScript 的模拟执行 454
11.8 AST 技术简介 460
11.9 使用 AST 技术还原混淆代码 472
11.10 特殊混淆案例的还原 480
11.11 WebAssembly 案例分析和爬取实战 490
11.12 JavaScript 逆向技巧总结 498
11.13 JavaScript 逆向爬取实战 505
第 12章 App 数据的爬取 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 实时抓包处理 544
12.4 Appium 的使用 551
12.5 基于 Appium 的 App 爬取实战 562
12.6 Airtest 的使用 568
12.7 基于 Airtest 的 App 爬取实战 585
12.8 手机群控爬取实战 591
12.9 云手机的使用 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 的爬取实战案例 635
13.5 Frida 的使用 643
13.6 SSL Pining 问题的解决方案 650
13.7 Android 脱壳技术简介与实战 657
13.8 利用 IDA Pro 静态分析和动态调试 so 文件 664
13.9 基于 Frida-RPC 模拟执行 so 文件 680
13.10 基于 AndServer-RPC 模拟执行 so 文件 685
13.11 基于 unidbg 模拟执行 so 文件 692
第 14章 页面智能解析 700
14.1 页面智能解析简介 700
14.2 详情页智能解析算法简介 707
14.3 详情页智能解析算法的实现 714
14.4 列表页智能解析算法简介 722
14.5 列表页智能解析算法的实现 727
14.6 如何智能分辨列表页和详情页 735
第 15章 Scrapy框架的使用 739
15.1 Scrapy框架介绍 739
15.2 Scrapy入门 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 对接 Selenium 795
15.10 Scrapy 对接 Splash 801
15.11 Scrapy 对接 Pyppeteer 806
15.12 Scrapy 规则化爬虫 813
15.13 Scrapy 实战 827
第 16章 分布式爬虫 840
16.1 分布式爬虫理念 840
16.2 Scrapy-Redis原理和源码解析 842
16.3 基于Scrapy-Redis的分布式爬虫实现 847
16.4 基于Bloom Filter进行大规模去重 851
16.5 基于RabbitMQ的分布式爬虫 859
第 17章 爬虫的管理和部署 862
17.1 Scrapyd和ScrapydAPI的使用 862
17.2 Scrapyd-Client 的使用 867
17.3 Gerapy 爬虫管理框架的使用 869
17.4 将Scrapy 项目打包成 Docker 镜像 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 爬虫 888
17.8 Scrapy 分布式爬虫的数据统计方案 899
17.9 基于Prometheus和Grafana的分布式爬虫监控方案 904
附录 爬虫与法律 917
书单推荐
