2023年6月29日发(作者：)

Scrapy打造搜索引擎（新版）畅销3年的Python分布式爬⾍课程Scrapy打造搜索引擎（新版） 畅销3年的Python分布式爬⾍课程第1章 课程介绍介绍课程⽬标、通过课程能学习到的内容、和系统开发前需要具备的知识1-1 python分布式爬⾍打造搜索引擎简介 (07:23)第2章 windows下搭建开发环境介绍项⽬开发需要安装的开发软件、 python虚拟virtualenv和 virtualenvwrapper的安装和使⽤、 最后介绍pycharm和navicat的简单使⽤2-1 pycharm的安装和简单使⽤ (09:07)2-2 mysql和navicat的安装和使⽤ (16:20)2-3 windows和linux下安装python2和python3 (06:49)2-4 虚拟环境的安装和配置 (30:53)第3章 爬⾍基础知识回顾介绍爬⾍开发中需要⽤到的基础知识包括爬⾍能做什么，正则表达式，深度优先和⼴度优先的算法及实现、爬⾍url去重的策略、彻底弄清楚unicode和utf8编码的区别和应⽤。3-1 技术选型 爬⾍能做什么 (09:50)3-2 正则表达式-1 (18:31)3-3 正则表达式-2 (19:04)3-4 正则表达式-3 (20:16)3-5 深度优先和⼴度优先原理 (25:15)3-6 url去重⽅法 (07:44)3-7 彻底搞清楚unicode和utf8编码 (18:31)第4章 新： scrapy爬取知名技术⽂章⽹站搭建scrapy的开发环境，本章介绍scrapy的常⽤命令以及⼯程⽬录结构分析，本章中也会详细的讲解xpath和css选择器的使⽤。然后通过scrapy提供的spider完成所有⽂章的爬取。然后详细讲解item以及item loader⽅式完成具体字段的提取后使⽤scrapy提供的pipeline分别将数据保存到json⽂件以及mysql数据库中。…4-1 重录说明(很重要) (04:47)4-2 scrapy安装和配置 (30:30)4-3 需求分析 (13:53)4-4 pycharm中调试scrapy源码 (10:13)4-5 xpath基础语法 (19:02)4-6 xpath提取元素 (28:48)4-7 css选择器 (17:54)4-8 . cnblogs模拟登录(新增内容) (22:23)4-9 编写spider完成抓取过程 - 1 (19:38)4-10 编写spider完成抓取过程 - 2 (20:47)4-11 scrapy中为什么要使⽤yield (09:49)4-12 提取详情页信息 (23:16)4-13 提取详情页信息 (18:13)4-14 items的定义和使⽤ - 1 (16:21)4-15 items的定义和使⽤ - 2 (13:30)4-16 scrapy配置图⽚下载 (18:20)4-17 items数据写⼊到json⽂件中 (09:27)4-18 mysql表结构设计 (13:21)4-19 pipeline数据库保存 (20:16)4-20 异步⽅式⼊库mysql (12:37)4-21 数据插⼊主键冲突的解决⽅法 (04:40)4-22 itemloader提取信息 (21:41)4-23 itemloader提取信息 (19:06)4-24 ⼤规模抓取图⽚下载出错的问题 (12:45)4-25 有没有⽅法可以⽐较准确的解析出 title 和正⽂内容第5章 ⽹站模拟登陆和滑动验证码识别（2021.6⽉更新）本章节我们将解决两个问题：1. 防⽌selenium被⽹站识别出来 2. 滑动验证码识别，滑动验证码识别我们将采⽤opencv识别和机器学习平台识别。 滑动验证码作为当前最流⾏的验证码，识别滑动验证码将使得我们能解决绝⼤部分⽹站的模拟登陆…5-1 session和cookie⾃动登录机制 (20:10)5-2 课程如何应对⽹站反爬变化？ (08:03)5-3 使⽤opencv识别滑动验证码的环境准备 (15:59)5-4 opencv滑动验证码识别原理 (26:19)5-5 滑动验证码识别集成到scrapy中 (10:02)5-6 通过机器学习平台训练滑动验证码模型 (15:23)5-7 发布训练模型并远程调⽤识别 (26:53)第6章 scrapy爬取知名问答⽹站通过上⼀章节的学习，本章节我们将对具体的⽹站进⾏需求分析、表结构设计等、本章详细的分析了⽹站的⽹络请求并分别分析出了⽹站问题回答的api请求接⼝并将数据提取出来后保存到mysql中6-1 知乎分析以及数据表设计1 (15:17)6-2 知乎分析以及数据表设计 - 2 (13:35)6-3 item loder⽅式提取question - 1 (14:57)6-4 item loder⽅式提取question - 2 (15:20)6-5 item loder⽅式提取question - 3 (06:45)6-6 知乎spider爬⾍逻辑的实现以及answer的提取 - 1 (15:54)6-7 知乎spider爬⾍逻辑的实现以及answer的提取 - 2 (17:04)6-8 保存数据到mysql中 -1 (17:27)6-9 保存数据到mysql中 -2 (17:22)6-10 保存数据到mysql中 -3 (16:09)6-11 如何将数据的保存和抓取独⽴出来？第7章 通过CrawlSpider对招聘⽹站进⾏整站爬取本章完成招聘⽹站职位的数据表结构设计，并通过link extractor和rule的形式并配置CrawlSpider完成招聘⽹站所有职位的爬取，本章也会从源码的⾓度来分析CrawlSpider让⼤家对CrawlSpider有深⼊的理解。7-1 数据表结构设计 (15:33)7-2 CrawlSpider源码分析-新建CrawlSpider与settings配置 (12:50)7-3 CrawlSpider源码分析 (25:29)7-4 Rule和LinkExtractor使⽤ (14:28)7-5 ⽹页302之后的模拟登录和cookie传递(⽹站需要登录时学习本视频教程) (32:11)7-6 item loader⽅式解析职位 (24:46)7-7 职位数据⼊库-1 (19:01)7-8 职位信息⼊库-2 (11:19)7-9 ⽹站反爬突破 (10:58)第8章 Scrapy突破反爬⾍的限制本章会从爬⾍和反爬⾍的⽃争过程开始讲解，然后讲解scrapy的原理，然后通过随机切换user-agent和设置scrapy的ip代理的⽅式完成突破反爬⾍的各种限制。本章也会详细介绍httpresponse和httprequest来详细的分析scrapy的功能，最后会通过云打码平台来完成在线验证码识别以及禁⽤cookie和访问频率来降低爬⾍被屏蔽的可能性。…8-1 爬⾍和反爬的对抗过程以及策略 (20:17)8-2 scrapy架构源码分析 (10:45)8-3 Requests和Response介绍 (10:18)8-4 通过downloadmiddleware随机更换user-agent-1 (17:00)8-5 通过downloadmiddleware随机更换user-agent - 2 (17:13)8-6 scrapy实现ip代理池 - 1 (16:51)8-7 scrapy实现ip代理池 - 2 (17:39)8-8 scrapy实现ip代理池 - 3 (18:46)8-9 云打码实现验证码识别 (22:37)8-10 cookie禁⽤、⾃动限速、⾃定义spider的settings (07:22)第9章 scrapy进阶开发本章将讲解scrapy的更多⾼级特性，这些⾼级特性包括通过selenium和phantomjs实现动态⽹站数据的爬取以及将这⼆者集成到scrapy中、scrapy信号、⾃定义中间件、暂停和启动scrapy爬⾍、scrapy的核⼼api、scrapy的telnet、scrapy的web service和scrapy的log配置和email发送等。 这些特性使得我们不仅只是可以通过scrapy来完成…9-1 selenium动态⽹页请求与模拟登录知乎 (21:24)9-2 selenium模拟登录微博， 模拟⿏标下拉 (11:06)9-3 chromedriver不加载图⽚、phantomjs获取动态⽹页 (09:59)9-4 selenium集成到scrapy中 (19:43)9-5 其余动态⽹页获取技术介绍-chrome⽆界⾯运⾏、scrapy-splash、selenium-grid, splinter (07:50)9-6 scrapy的暂停与重启 (12:58)9-7 scrapy url去重原理 (05:45)9-8 scrapy telnet服务 (07:37)9-9 spider middleware 详解 (15:25)9-10 scrapy的数据收集 (13:44)9-11 scrapy信号详解 (13:05)9-12 scrapy扩展开发 (13:16)第10章 scrapy-redis分布式爬⾍Scrapy-redis分布式爬⾍的使⽤以及scrapy-redis的分布式爬⾍的源码分析， 让⼤家可以根据⾃⼰的需求来修改源码以满⾜⾃⼰的需求。最后也会讲解如何将bloomfilter集成到scrapy-redis中。10-1 分布式爬⾍要点 (08:39)10-2 redis基础知识 - 1 (20:31)10-3 redis基础知识 - 2 (15:58)10-4 scrapy-redis编写分布式爬⾍代码 (21:06)10-5 scrapy源码解析-、- (11:05)10-6 scrapy-redis源码剖析-- (05:29)10-7 scrapy-redis源码剖析- 、 - (10:41)10-8 scrapy-redis源码分析- 、- (11:52)10-9 集成bloomfilter到scrapy-redis中 (19:30)第11章 cookie池系统设计和实现为了让爬取代码和解析代码不会受到模拟登录的影响，将模拟登录独⽴成独⽴的服务变得很重要，cookie池就是为了解决这类问题⽽⽣，多账号登录管理、如何让⽹站接⼊变得容易都会是cookie池需要解决的问题。本章节就重点解决cookie池设计和开发的细节问题。 …11-1 什么是cookie池？ (11:27)11-2 cookie池系统设计 (09:23)11-3 实现cookie池-1 (10:12)11-4 实现cookie池-2 (12:39)11-5 改造login⽅法 - 1 (09:58)11-6 改造login⽅法 - 2 (09:36)11-7 改造login⽅法-3 (08:43)11-8 改造login⽅法-4 (10:37)11-9 通过抽象基类实现⽹站轻松接⼊ (15:00)11-10 实现检测⽹站cookie是否有效 (08:06)11-11 如何选择redis的数据结构来保存cookie (10:59)11-12 cookie管理器的实现 (22:10)11-13 启动cookie池服务 (12:35)11-14 将cookie集成到爬⾍项⽬中 (15:34)11-15 cookie架构设计改进意见 (07:36)第12章 各种验证码的识别滑动验证码变得越来越流⾏，如何解决滑动验证码就成为了模拟登录中重要的⼀个环节，本章节聚焦解决滑动验证码的各种细节问题。12-1 滑动验证码的识别思路 (15:17)12-2 验证码截屏-1 (11:42)12-3 验证码截屏-2 (14:03)12-4 计算出滑动的距离 (17:37)12-5 计算滑动轨迹 (18:00)第13章 增量抓取增量抓取和数据更新是爬⾍运⾏中经常遇到的问题，⽐如当前爬⾍正在运⾏，但是新增的数据如何及时发现，如何将后来的url先进⾏抓取，如何发现新数据都是实际开发中经常原道的问题，本章节通过修改scrapy-redis的源码以最⼩的代价来解决上诉问题，通过本章节的学习我们将会更加懂得如何去控制爬⾍的运⾏环节。…13-1 增量爬⾍需要解决的问题 (09:36)13-2 通过修改scrapy-redis完成增量抓取 -1 (16:11)13-3 通过修改scrapy-redis完成增量抓取-2 (14:13)13-4 爬⾍数据更新 (09:23)第14章 elasticsearch搜索引擎的使⽤本章将讲解elasticsearch的安装和使⽤，将讲解elasticsearch的基本概念的介绍以及api的使⽤。本章也会讲解搜索引擎的原理并讲解elasticsearch-dsl的使⽤，最后讲解如何通过scrapy的pipeline将数据保存到elasticsearch中。14-1 elasticsearch介绍 (18:21)14-2 elasticsearch安装 (13:24)14-3 elasticsearch-head插件以及kibana的安装 (24:09)14-4 elasticsearch的基本概念 (12:15)14-5 倒排索引 (11:24)14-6 elasticsearch 基本的索引和⽂档CRUD操作 (18:44)14-7 elasticsearch的mget和bulk批量操作 (12:36)14-8 elasticsearch的mapping映射管理 (21:03)14-9 elasticsearch的简单查询 - 1 (14:56)14-10 elasticsearch的简单查询 - 2 (11:12)14-11 elasticsearch的bool组合查询 (22:58)14-12 scrapy写⼊数据到elasticsearch中 - 1 (14:16)14-13 scrapy写⼊数据到elasticsearch中 - 2 (11:15)第15章 django搭建搜索⽹站本章讲解如何通过django快速搭建搜索⽹站， 本章也会讲解如何完成django与elasticsearch的搜索查询交互。15-1 es完成搜索建议-搜索建议字段保存 - 1 (13:45)15-2 es完成搜索建议-搜索建议字段保存 - 2 (13:34)15-3 django实现elasticsearch的搜索建议 - 1 (19:57)15-4 django实现elasticsearch的搜索建议 - 2 (18:15)15-5 django实现elasticsearch的搜索功能 -1 (14:06)15-6 django实现elasticsearch的搜索功能 -2 (13:14)15-7 django实现搜索结果分页 (09:12)15-8 搜索记录、热门搜索功能实现 - 1 (14:34)15-9 搜索记录、热门搜索功能实现 - 2 (14:04)第16章 scrapyd部署scrapy爬⾍本章主要通过scrapyd完成对scrapy爬⾍的线上部署。16-1 scrapyd部署scrapy项⽬ (24:39)第17章 课程总结重新梳理⼀遍系统开发的整个过程， 让同学对系统和开发过程有⼀个更加直观的理解17-1 课程总结 (05:55)17-2 【讨论题】你认为什么是 JS 逆向？17-3 如何将 nodejs 服务集成进来呢？17-4 【讨论题】字体反爬应该如何解析？