為什么寫(xiě)作本書(shū)
　　大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，網(wǎng)絡(luò)爬蟲(chóng)技術(shù)已成為這個(gè)時(shí)代不可或缺的一項(xiàng)技術(shù)，企業(yè)需要數(shù)據(jù)來(lái)分析用戶(hù)行為、產(chǎn)品的不足之處以及競(jìng)爭(zhēng)對(duì)手的信息等，而這一切的首要條件就是數(shù)據(jù)的采集。在互聯(lián)網(wǎng)社會(huì)中，數(shù)據(jù)是無(wú)價(jià)之寶，一切皆為數(shù)據(jù)，誰(shuí)擁有了大量有用的數(shù)據(jù)，誰(shuí)就擁有了決策的主動(dòng)權(quán)。如何有效地采集并利用這些信息成了一個(gè)巨大的挑戰(zhàn)，而網(wǎng)絡(luò)爬蟲(chóng)是自動(dòng)采集數(shù)據(jù)的有效手段。網(wǎng)絡(luò)爬蟲(chóng)是一種按照一定的規(guī)則，自動(dòng)抓取互聯(lián)網(wǎng)海量信息的程序或腳本。網(wǎng)絡(luò)爬蟲(chóng)的應(yīng)用領(lǐng)域很廣泛，如搜索引擎、數(shù)據(jù)采集、廣告過(guò)濾、大數(shù)據(jù)分析等。
　　筆者多年來(lái)一直從事網(wǎng)絡(luò)爬蟲(chóng)相關(guān)課程的講授及科學(xué)研究工作，有著豐富的教學(xué)和實(shí)踐經(jīng)驗(yàn)。在內(nèi)容編排上，本書(shū)采用梯度層次化結(jié)構(gòu)，由淺入深地介紹爬蟲(chóng)的知識(shí)點(diǎn)、原理及應(yīng)用，并結(jié)合大量實(shí)例講解操作步驟，使讀者能夠快速地理解網(wǎng)絡(luò)爬蟲(chóng)的核心技術(shù)。內(nèi)容介紹
　　全書(shū)共14章，具體內(nèi)容如下：
　　第1章主要介紹Python的安裝、配置和基礎(chǔ)語(yǔ)法，以及Python的字符串、數(shù)據(jù)結(jié)構(gòu)、控制語(yǔ)句和函數(shù)等；
　　第2章主要介紹爬蟲(chóng)的類(lèi)型、爬蟲(chóng)的抓取策略以及深入學(xué)習(xí)爬蟲(chóng)所需的網(wǎng)絡(luò)基礎(chǔ)等相關(guān)知識(shí)；
　　第3章主要對(duì)爬蟲(chóng)技術(shù)中經(jīng)常使用到的urllib、request．lxml和Beautiful Soup庫(kù)等進(jìn)行詳細(xì)介紹，最后展示了4個(gè)利用Python爬取數(shù)據(jù)的實(shí)例；
　　第4章主要對(duì)Python中正則表達(dá)式的語(yǔ)法、匹配規(guī)則和re模塊常用函數(shù)進(jìn)行詳細(xì)闡述，并給出了實(shí)例；
　　第5章主要對(duì)3種主流庫(kù)（PIL庫(kù)、Tesseract庫(kù)和TensorFlow庫(kù)）的語(yǔ)法、類(lèi)型、識(shí)別方法和案例進(jìn)行介紹；
　　第6章詳細(xì)介紹Fiddler的安裝與配置、捕獲會(huì)話、QuickExec命令行的使用和Fiddler的斷點(diǎn)功能等；
　　第7章主要介紹數(shù)據(jù)存儲(chǔ)在文件中和存儲(chǔ)在數(shù)據(jù)庫(kù)中這兩種存儲(chǔ)方式；
　　第8章重點(diǎn)介紹Scrapy框架的Selector用法，以及Beautiful Soup庫(kù)和CrawISpider的使用，然后介紹了Scrapy Shell和Scrapyrt的使用；
　　第9章主要介紹多線程和Threading模塊的基本概念；
　　第10章主要介紹如何對(duì)動(dòng)態(tài)網(wǎng)頁(yè)進(jìn)行信息爬取，首先介紹了瀏覽器開(kāi)發(fā)工具的使用，然后介紹了異步加載技術(shù)、AJAX技術(shù)和Selenium模擬瀏覽器；
　　第11章主要介紹分布式爬蟲(chóng)的原理及實(shí)現(xiàn)過(guò)程，然后介紹了Scrapy-redis分布式組件的工作機(jī)制和安裝配置；
　　第12章主要介紹如何利用Selenium抓取并用pyquery解析電商網(wǎng)站的商品信息，然后將其保存到MongoDB；
　　第13章主要介紹靜態(tài)網(wǎng)頁(yè)和動(dòng)態(tài)網(wǎng)頁(yè)的爬取方法，并對(duì)請(qǐng)求一響應(yīng)關(guān)系進(jìn)行了介紹，然后介紹了請(qǐng)求頭和請(qǐng)求體；
　　第14章主要講解如何通過(guò)urllib模塊和Scrapy框架實(shí)現(xiàn)圖片爬蟲(chóng)項(xiàng)目，以及利用TensorFlow、KNN和CNN等機(jī)器學(xué)習(xí)框架進(jìn)行訓(xùn)練的方法與過(guò)程。主要特點(diǎn)
　　本書(shū)針對(duì)網(wǎng)絡(luò)爬蟲(chóng)學(xué)習(xí)的特點(diǎn)，結(jié)合作者多年使用網(wǎng)絡(luò)爬蟲(chóng)的教學(xué)和實(shí)踐經(jīng)驗(yàn)，由淺入深、從簡(jiǎn)到繁、圖文并茂地介紹了Python基礎(chǔ)語(yǔ)法、爬蟲(chóng)原理、爬蟲(chóng)常用庫(kù)模塊、正則表達(dá)式、驗(yàn)證碼識(shí)別、抓包工具Fiddler、數(shù)據(jù)存儲(chǔ)、Scrapy爬蟲(chóng)框架、多線程爬蟲(chóng)、動(dòng)態(tài)網(wǎng)頁(yè)爬蟲(chóng)和分布式爬蟲(chóng)等方面的內(nèi)容。本書(shū)內(nèi)容條理清晰、針對(duì)性強(qiáng)，語(yǔ)言通俗易懂，在講解的過(guò)程中配合大量的實(shí)例操作，符合讀者的學(xué)習(xí)習(xí)慣。每章都是從基礎(chǔ)知識(shí)開(kāi)始介紹，然后是實(shí)例分析，最后附以練習(xí)題鞏固學(xué)習(xí)效果，將理論與實(shí)踐緊密結(jié)合。
　　具體來(lái)講，本書(shū)具有以下鮮明的特點(diǎn)：
　　內(nèi)容系統(tǒng)，由淺入深；
　　案例講解，通俗易懂；
　　綜合實(shí)戰(zhàn)，注重實(shí)踐。讀者對(duì)象
　　本書(shū)適合網(wǎng)絡(luò)爬蟲(chóng)初學(xué)者，以及具有一定網(wǎng)絡(luò)爬蟲(chóng)基礎(chǔ)，但希望更深入了解、掌握爬蟲(chóng)原理與應(yīng)用的中級(jí)讀者閱讀。
　　本書(shū)可以作為本科或者大專(zhuān)院校網(wǎng)絡(luò)安全、電子信息、數(shù)據(jù)科學(xué)、網(wǎng)絡(luò)工程等相關(guān)專(zhuān)業(yè)的教材，也可作為從事網(wǎng)絡(luò)爬蟲(chóng)相關(guān)工作的科研或者工程技術(shù)人員的參考書(shū)。