这是实操性很强的一本工具书，由浅入深，深入浅出。前面从环境配置到爬虫原理、基本库和解析库的使用再到数据存储，一步步把基础打好，然后再分门别类介绍了Ajax、动态页、验证码、App的爬取、识别等，还讲解了代理使用、模拟登录的应用。

最后部分讲解了pyspider、Scrapy框架实例以及分布式部署等等。书中介绍到了很多非常实用的工具，比如用于动态网页爬取的Selenium、Splash，用于APP爬取的Charles、mitmdump、Appium等，书中的知识点和源代码都可以拿来直接使用。

浅尝一下目录：

下面给大家详细讲解下各个章节的内容：

第1章 爬虫基础

介绍了本书所涉及的所有环境的配置详细流程，兼顾Windows Linux Mac 3大平台，本章不用逐节阅读，需要的时候查阅即可。

第2章 基本库的使用

介绍了学习爬虫之前需要了解的基础知识，如 HTTP 、爬虫、代理的基本原理、网页基本结构等内容，对爬虫没有任何了解的读者建议好好了解这一章的知识。

第3章 网页数据的解析提取

介绍了最基本的爬虫操作，一般学习爬虫都是从这一步学起的 章介绍了最基本的两个请求库（ urllib 叫阴阳 ）和正则表达式的基本用法 学会了这一章，就可以掌握最基本的爬虫技术了。

第4章 数据的存储

介绍了页解析库的基本用法，包括 Beautiful Soup、XPath、pyquery 的基本使用方法，它们可以使得信息的提取更加方便、快捷，是爬虫必备利器.

第5章 Ajax数据爬取

介绍了数据存储的常见形式及存储操作，包括 TXT、JSON、CSV 各种文件的存储，以及关系型数据库 MySQL 非关系型数据 MongoDB、Red is 存储的基本存储操作 学会了这些内容，我们可以灵活方便地保存爬取下来的数据。

第6章 异步爬虫

介绍了Ajax 数据爬取的过程，一些网页的数据可能是通过人Ajax 请求 API 接口的方式力加载的，用常规方法无法爬取，本章介绍了使用Ajax进行数据爬取的方法。

第7章 JavaScript动态渲染页面爬取

介绍了动态渲染页面的爬取 ，现在越来越多的网站内容是经过 JavaSc ript 渲染得到的，而原始 HTML 文本可能不包含任何有效内容，而且渲染过程可能涉及某些 JavaScript 加密算法，可以使用 Selenium、Splash 等工具来实现模拟浏览器进行数据爬取的方法。

第8章 验证码的识别

介绍了验证码的相关处理方法 ：如正码是网站反爬虫的重要措施，我们可以通过本章了解到各类验证码的应对方案，包括图形验证码、极验验证码 、点触验证码、微博宫格验证码的识别。

第9章 代理的使用

介绍了代理的使用方法，限制 IP 的访问也是网站反爬虫的重要措施，另外，我们也可以使用代理来伪装爬虫的真实 IP ，使用代理可以有效解决这个问题。通过本章，我们了解到代理的使用方法，还学习了代理池的维护方法，以及 ADSL 号代理的使用方法。

第10章 模拟登录

介绍了模拟登录爬取的方法，某些网站需要登录才可以看到需要的内容，这时就需要用爬虫模拟登录网站再进行爬取了。本章介绍了最基本的模拟登录方法以及维护 Cookies池的方法。

第11章 JavaScript逆向爬虫

介绍了 App 的爬取方法，包括基本的 Charles、mitmproxy 包软件的使用，此外 ，还介绍了 mitmdump 对接 Python 脚本进行实时抓取的方法，以及使用 Appium 完全模拟手机 App的操作进行爬取的方法。

第12章 APP数据的爬取

介绍了 pyspider 爬虫框架及用法，该框架简洁易用、功能强大，可以节省大量开发爬虫的时间。本章结合案例介绍了使用该框架进行爬虫开发的方法。

第13章 Android逆向

介绍了 Scrapy 爬虫框架及用法 Scrapy 是目前使用最广泛的爬虫框架，本章介绍了它的基本架构、原理及各个组件的使用方法，另外还介绍了 Scrapy 通用化配置 对接 Docker的一些方法 。

第14章 页面智能解析

介绍了分布式爬虫的基本原理及实现方法 为了提高爬取效率，分布式爬虫是必不可少的，本章介绍了使用 Scrapy和 Red is 实现分布式爬虫的方法。

第15章 Scrapy框架的使用

介绍了分布式爬虫的部署及管理方法，方便快速地完成爬虫的分布式部署，可以节省开发者大量的时间。本章结合 Scrapy、 Scrapyd、 Docker、 Gerapy 等工具介绍了分布式爬虫部的署和管理的实现。

......

这是一本非常适合小白入门学习爬虫的书，为什么这么说呢？

1、这本书介绍了学习爬虫之前需要了解的基础知识。如 HTTP、爬虫、代理、网页结构、多进程多线程等内容，可以让我们要做的事情有个了解。

2、深入浅出的介绍了爬虫的“基操”(基本的爬虫操作)，最基本的请求库(urllib、requests、httpx)、页面解析库(Beautiful Soup、XPath、pyquery、parsel)和正则表达式的基本用法。

3、还有数据存储的知识介绍：包括 TXT、JSON、CSV 各种文件的存储，以及关系型数据库 MySQL 和非关系型数据库 MongoDB、Redis 的基本存取操作。

这样即便是没有基础，也可以看懂。

对比现在市场存在很久的书籍技术过时问题，新上市的《Python3网络爬虫开发实战（第二版）》可以让我们掌握最新的知识，比较新技术代表效率的提升。

电子版已经打包整理好了希望可以帮助到小伙伴们