python分佈式爬蟲打造搜索引擎--------scrapy實現

http://www.cnblogs.com/jinxiao-pu/p/6706319.html

最近在網上學習一門關於scrapy爬蟲的課程，以爲還不錯，如下是目錄還在更新中，我以爲有必要好好的作下筆記，研究研究。

第1章 課程介紹

•  1-1 python分佈式爬蟲打造搜索引擎簡介 07:23 

第2章 windows下搭建開發環境

•  2-1 pycharm的安裝和簡單使用 10:27 
•  2-2 mysql和navicat的安裝和使用 16:20 
•  2-3 windows和linux下安裝python2和python3 06:49 
•  2-4 虛擬環境的安裝和配置 30:53 

第3章 爬蟲基礎知識回顧

•  3-1 技術選型 爬蟲能作什麼 09:50 
•  3-2 正則表達式-1 18:31 
•  3-3 正則表達式-2 19:04 
•  3-4 正則表達式-3 20:16 
•  3-5 深度優先和廣度優先原理 25:15 
•  3-6 url去重方法 07:44 
•  3-7 完全搞清楚unicode和utf8編碼 18:31 

第4章 scrapy爬取知名技術文章網站（伯樂在線實戰）

•  4-1 scrapy安裝以及目錄結構介紹 22:33 
•  4-2 pycharm 調試scrapy 執行流程 12:35 
•  4-3 xpath的用法 - 1 22:17 
  
•  4-4 xpath的用法 - 2 19:00 
•  4-5 xpath的用法 - 3 21:22 
•  4-6 css選擇器實現字段解析 - 1 17:21 
•  4-7 css選擇器實現字段解析 - 2 16:31 
•  4-8 編寫spider爬取jobbole的全部文章 - 1 15:40 
•  4-9 編寫spider爬取jobbole的全部文章 - 2 09:45 
•  4-10 items設計 - 1 14:49 
•  4-11 items設計 - 2 15:45 
•  4-12 items設計 - 3 17:05 
•  4-13 數據表設計和保存item到json文件 18:17 
•  4-14 經過pipeline保存數據到mysql - 1 18:41 
•  4-15 經過pipeline保存數據到mysql - 2 17:58 
•  4-16 scrapy item loader機制 - 1 17:26 
•  4-17 scrapy item loader機制- 2 20:31 

第5章 scrapy爬取知名問答網站（知乎實戰）

•  5-1 session和cookie自動登陸機制 20:10 
•  5-2 requests模擬登錄知乎 - 1 13:32 
•  5-3 requests模擬登錄知乎 - 2 13:16 
•  5-4 requests模擬登錄知乎 - 3 12:21 
•  5-5 scrapy模擬知乎登陸 20:46 
•  5-6 知乎分析以及數據表設計1 15:17 
•  5-7 知乎分析以及數據表設計 - 2 13:35 
•  5-8 item loder方式提取question - 1 14:57 
•  5-9 item loder方式提取question - 2 15:20 
•  5-10 item loder方式提取question - 3 06:45 
•  5-11 知乎spider爬蟲邏輯的實現以及answer的提取 - 1 15:54 
•  5-12 知乎spider爬蟲邏輯的實現以及answer的提取 - 2 17:04 
•  5-13 保存數據到mysql中 -1 17:27 
•  5-14 保存數據到mysql中 -2 17:22 
•  5-15 保存數據到mysql中 -3 16:09 
•  5-16 (補充小節)知乎驗證碼登陸 - 1_1 16:41 
•  5-17 (補充小節)知乎驗證碼登陸 - 2_1 10:32 

第6章 經過CrawlSpider對招聘網站進行整站爬取（拉勾網實戰）

•  6-1 數據表結構設計 15:33 
•  6-2 CrawlSpider源碼分析-新建CrawlSpider與settings配置 12:50 
•  6-3 CrawlSpider源碼分析 25:29 
•  6-4 Rule和LinkExtractor使用 14:28 
•  6-5 item loader方式解析職位 24:46 
•  6-6 職位數據入庫-1 19:01 
•  6-7 職位信息入庫-2 11:19 

第7章 Scrapy突破反爬蟲的限制（拉勾網實戰）

•  7-1 爬蟲和反爬的對抗過程以及策略 20:17 
•  7-2 scrapy架構源碼分析 10:45 
•  7-3 Requests和Response介紹 10:18 
•  7-4 經過downloadmiddleware隨機更換user-agent-1 17:00 
•  7-5 經過downloadmiddleware隨機更換user-agent - 2 17:13 
•  7-6 scrapy實現ip代理池 - 1 16:51 
•  7-7 scrapy實現ip代理池 - 2 17:39 
•  7-8 scrapy實現ip代理池 - 3 18:46 
•  7-9 雲打碼實現驗證碼識別 22:37 
•  7-10 cookie禁用、自動限速、自定義spider的settings 07:22 

第8章 scrapy進階開發

•  8-1 selenium動態網頁請求與模擬登陸知乎 21:24 
•  8-2 selenium模擬登陸微博， 模擬鼠標下拉 11:06 
•  8-3 chromedriver不加載圖片、phantomjs獲取動態網頁 09:59 
•  8-4 selenium集成到scrapy中 19:43 
•  8-5 其他動態網頁獲取技術介紹-chrome無界面運行、scrapy-splash、selenium-grid, splinter 07:50 
•  8-6 scrapy的暫停與重啓 12:58 
•  8-7 scrapy url去重原理 05:45 
•  8-8 scrapy telnet服務 07:37 
•  8-9 spider middleware 詳解 15:25 
•  8-10 scrapy的數據收集 13:44 
•  8-11 scrapy信號詳解 13:05 
•  8-12 scrapy擴展開發 13:16 

第9章 scrapy-redis分佈式爬蟲（實戰項目）

•  9-1 分佈式爬蟲要點 08:39 
•  9-2 redis基礎知識 - 1 20:31 
•  9-3 redis基礎知識 - 2 15:58 
•  9-4 scrapy-redis編寫分佈式爬蟲代碼 21:06 
•  9-5 scrapy源碼解析-connection.py、defaults.py- 11:05 
•  9-6 scrapy-redis源碼剖析-dupefilter.py- 05:29 
•  9-7 scrapy-redis源碼剖析- pipelines.py、 queue.py- 10:41 
•  9-8 scrapy-redis源碼分析- scheduler.py、spider.py- 11:52 
•  9-9 集成bloomfilter到scrapy-redis中 19:30