Python网络爬虫入门指南
爬虫开发的入门利器《用 Python 写网络爬虫》，挺适合有点 Python 基础又想搞点实战项目的你。书里不光讲基础的抓取方式，还带你玩多线程、搞定验证码、甚至抓动态页面，干货挺多的。
多线程的爬虫方式也讲得蛮细，比如用threading配合Queue做并发抓取，响应也快，代码也清晰。不想动手搭线程？那就看Scrapy的并发，效率也不差。
动态页面的数据怎么抓？书里说了两种办法：用Selenium模拟浏览器操作，还有一种是直接搞清楚接口，走XHR。如果你在做电商数据，抓 SKU 信息就挺有用的。
验证码怎么破？不是教你当黑客，而是教你怎么用OCR来尝试自动识别，比如Tesseract。不过也提醒你，识别率不高就别硬搞了，绕过去才是正道。
书后面还有点小惊喜，了Scrapy和Portia。Scrapy是开发者常用的爬虫框架，配置灵活，扩展方便；而Portia就像是它的可视化弟弟，点点鼠标就能生成爬虫，适合对写代码还没太大信心的你。
建议你在开搞前先准备好User-Agent 池和IP 代理，不然容易被封；还有，多试试对付反爬机制的小技巧，比如随机延时、求头伪装等等，书里都有提。
想看更实用的内容？下面这几个文章也不错，是那篇关于Scrapy框架的，蛮系统的讲了一遍。
文件大小：16.6MB
评论区