网络爬虫是当今获取数据不可或缺的重要手段。本书讲解了Python爬虫的基础知识和必备技能，帮助零基础的读者快速入门并熟练使用爬虫。全书共8章。第1章讲解Python开发环境的安装与配置以及Python的基础语法知识。第2章讲解如何运用Requests库和Selenium库获取网页源代码。第3章讲解如何运用正则表达式和BeautifulSoup库解析和提取数据。第4章深入讲解Selenium库在商业实战中的进阶应用。第5讲解爬虫数据的处理与可视化。第6章讲解爬虫数据结构化神器pandas库，以及如何通过Python在MySQL数据库中读写数据。第7章讲解如何运用多线程和多进程技术提高爬虫效率。第8章讲解如何运用IP代理应对网站的反爬机制。
本书对于编程新手来说非常友好，从Python基础到爬虫原理再到实战应用，循序渐进地帮助读者打好基础。对于有一定Python爬虫基础的读者，本书也针对实战中常见的疑点和难点提供了解决技巧。

王宇韬，华能贵诚信托金融科技实验室发起人，宾夕法尼亚大学硕士，上海交通大学学士，两年内通过CFA 3级、FRM 2级、AQF，在华能贵诚信托自主研发了舆情监控系统、资金雷达、流程自动化AI系统、机器视频面试系统等，专注于科技在金融领域的应用。

前言
本书学习资源
第1章 Python基础
1.1 Python快速上手
1.1.1 安装Python
1.1.2 编写第一个Python程序
1.1.3 PyCharm的安装与使用
1.1.4 Jupyter Notebook的使用
1.2 Python语法基础知识
1.2.1 变量、行、缩进与注释
1.2.2 数据类型：数字与字符串
1.2.3 数据类型：列表与字典、元组与集合
1.2.4 运算符
1.3 Python语句
1.3.1 if条件语句
1.3.2 for循环语句
1.3.3 while循环语句
1.3.4 try/except异常处理语句
1.4 函数与库
1.4.1 函数的定义与调用
1.4.2 函数的返回值与变量的作用域
1.4.3 常用内置函数介绍
1.4.4 库的导入与安装
课后习题
第2章 爬虫第一步：获取网页源代码
2.1 爬虫核心库1：Requests库
2.1.1 如何查看网页源代码
2.1.2 用Requests库获取网页源代码：百度新闻
2.1.3 Requests库的“软肋”
2.2 爬虫核心库2：Selenium库
2.2.1 模拟浏览器及Selenium库的安装
2.2.2 用Selenium库获取网页源代码：新浪财经股票信息
2.3 网页结构分析
2.3.1 网页结构基础
2.3.2 网页结构进阶
课后习题
第3章 爬虫第二步：数据解析与提取
3.1 用正则表达式解析和提取数据
3.1.1 正则表达式基础1：findall()函数
3.1.2 正则表达式基础2：非贪婪匹配之“(.*?)”
3.1.3 正则表达式基础3：非贪婪匹配之“.*?”
3.1.4 正则表达式基础4：自动考虑换行的修饰符re.S
3.1.5 正则表达式基础5：知识点补充
3.1.6 案例实战：提取百度新闻的标题、网址、日期和来源
3.2 用BeautifulSoup库解析和提取数据
……
5.2.1 用jieba库实现中文分词
5.2.2 用wordcloud库绘制词云图
5.2.3 案例实战：新浪微博词云图绘制
课后习题
第6章 数据结构化与数据存储
6.1 数据结构化神器——pandas库
6.1.1 用read—html()函数快速爬取网页表格数据
6.1.2 pandas库在爬虫领域的核心代码知识
6.1.2 新浪财经——资产负债表获取
6.3 百度新闻——文本数据结构化
6.3.1 将单家公司的新闻导出为Excel工作簿
6.3.2 将多家公司的新闻导出为Excel工作簿
6.4 百度爱企查一股权穿透研究
6.4.1 单层股权结构爬取
6.4.2 多层股权结构爬取
6.5 天天基金网——股票型基金信息爬取
6.5.1 爬取基金信息表格
6.5.2 爬取基金的详情页面网址
6.6 集思录——可转债信息爬取
6.7 东方财富网——券商研报信息爬取
6.7.1 爬取券商研报信息表格
6.7.2 爬取研报的详情页面网址
6.8 数据存储——MySQL快速入门
6.8.1 MySQL的安装
6.8.2 MySQL的基本操作
6.9 用Python操控数据库
6.9.1 用PyMySQL库操控数据库
6.9.2 案例实战：百度新闻数据爬取与存储
6.9.3 用pandas库操控数据库
课后习题
第7章 Python多线程和多进程爬虫
7.1 理解线程与进程
7.1.1 计算机硬件结构基础知识
7.1.2 线程与进程
7.1.3 单线程、多线程与多进程
7.1.4 爬虫任务中的多线程与多进程
7.2 Python多线程爬虫编程实战
7.2.1 Python多线程编程基础知识
7.2.2 Python多线程编程进阶知识
7.2.3 案例实战：多线程爬取百度新闻
7.3 Python多进程爬虫编程实战
7.3.1 Python多进程编程基础知识
7.3.2 Python多进程编程进阶知识
7.3.3 案例实战：多进程爬取百度新闻
课后习题
第8章 IP代理使用技巧与实战
8.1 结合Reauests库使用IP代理
8.1.1 IP代理基础知识
8.1.2 IP代理的使用
8.2 IP代理实战1：用Requests库爬取公众号文章
8.2.1 直接用Requests库爬取
8.2.2 添加lP代理进行爬取
8.2.3 添加智能IP切换系统
8.3 结合Selenium库使用IP代理
8.4 IP代理实战2：用Selenium库爬取公众号文章
8.4.1 直接用Selenium库爬取
8.4.2 添加IP代理进行爬取
8.4.3 添加智能IP切换系统
课后习题
后记