数据采集

彭超华

目录

  • 1 课程学习导引（必读）
    • 1.1 教学大纲
    • 1.2 教学日历
    • 1.3 教学方案设计
    • 1.4 参考资料及链接
    • 1.5 考核方式
    • 1.6 课前软件安装（重要）
  • 2 数据采集概述（2学时）
    • 2.1 本讲数据采集的相关网站
    • 2.2 本讲教案
    • 2.3 数据采集方法及工具
    • 2.4 八爪鱼采集器的初步体验
    • 2.5 【综合案例】利用模板采集，采集搜房网新房数据信息
    • 2.6 本讲课件
  • 3 八爪鱼采集器应用（6学时）
    • 3.1 八爪鱼采集器的基本应用：自定义采集(2学时)
      • 3.1.1 本讲数据采集的相关网站
      • 3.1.2 单页数据采集
      • 3.1.3 多页数据采集（循环翻页）
      • 3.1.4 【综合案例】爬取某静态网站电影信息
    • 3.2 八爪鱼采集器的高级应用（4学时）
      • 3.2.1 登录采集
      • 3.2.2 循环采集
      • 3.2.3 ajax加载及滚动采集
      • 3.2.4 xpath元素定位
      • 3.2.5 采集错误排查
      • 3.2.6 【综合案例】爬取某静态网站电影信息
    • 3.3 本讲课件
  • 4 python网络爬虫基础（2学时）低阶
    • 4.1 课前任务：安装Vscode
    • 4.2 python面向对象程序设计【自学】
      • 4.2.1 类与对象
      • 4.2.2 类的继承
      • 4.2.3 类的多态
    • 4.3 认识python爬虫
    • 4.4 Web网页基础：HTML
    • 4.5 HTTP基本原理
    • 4.6 本讲课件
  • 5 静态网页数据爬取（10学时）中高阶
    • 5.1 爬虫的基本原理
    • 5.2 网页数据的获取：requests库的使用
      • 5.2.1 课件：利用requests库获取网页源码
    • 5.3 网页数据的解析
      • 5.3.1 Xpath语法及lxml库的使用
        • 5.3.1.1 课件：利用lxml库(xpath)解析文本
      • 5.3.2 CSS选择器及BeautifulSoup库、parsel库的使用
        • 5.3.2.1 视频学习：利用BS4库解析网页内容
        • 5.3.2.2 课件：利用bs库解析网页内容
        • 5.3.2.3 课件：利用parsel库(css)解析网页
      • 5.3.3 正则表达式及re库的使用
        • 5.3.3.1 课件：利用正则表达式(re库)解析网页内容
    • 5.4 数据的存储
    • 5.5 【综合案例】爬取某静态网站电影信息
  • 6 动态网页数据爬取（10学时）中高阶
    • 6.1 Ajax动态网页
    • 6.2 使用reqeuests库爬取动态网页
      • 6.2.1 【综合案例】爬取百度图片
      • 6.2.2 【综合案例】爬取某动态网站图书信息
      • 6.2.3 课件：基于requests及ajax分析爬取动态网页
    • 6.3 模拟登录
      • 6.3.1 使用表单登录方法模拟登录
      • 6.3.2 基于Cookie的登录
      • 6.3.3 【综合案例】爬取某网站登录后电影信息
      • 6.3.4 课件：模拟登录及常见反爬机制
    • 6.4 使用Selenium库爬取动态页面
      • 6.4.1 Selenium和WebDriver的安装和配置
      • 6.4.2 Selenium的基本使用
      • 6.4.3 Selenium案例应用
      • 6.4.4 课件：使用Selenium库爬虫动态页面
      • 6.4.5 【综合案例】Selenium爬取某网站电影信息
  • 7 课程总结及课程设计
    • 7.1 课程总结
    • 7.2 课程设计
使用reqeuests库爬取动态网页