2018-04-15 爬虫的技术栈及学习路径

http://mp.weixin.qq.com/s/eaRxLBFvQZKWBdKBbq1QyA

第一课 静态网页爬虫:爬虫的基础技术

  1. HTML

  2. CSS 选择器

  3. JavaScript 介绍

  4. lxml 及 XPath

  5. Python 里的网络请求

  6. 第一个爬虫:蚂蜂窝的游记

第二课 登录及动态网页的抓取

  1. 表单

  2. 网站登录及Cookie

  3. Headless 的浏览器:PhantomJS

  4. 浏览器的驱动:Selenium

  5. 动态网页数据获取

第三课 微博的抓取

  1. 微博网站分布及结构分析

  2. 通过动态页面来抓取

  3. 微博网络接口的逆向分析

  4. 利用API来抓取微博

第四课 微信公众号抓取

  1. AnyProxy 抓包工具

  2. 微信公众号接口分析

  3. 利用 NodeJS 重定向接口

  4. 后台数据获取及保存

  5. 利用接口直接获取所有历史消息

  6. 应对微信公众号反爬虫的架构设计

第五课 验证码的处理,京东、淘宝的数据抓取及存储案例

  1. 基于距离的图片比对

  2. 基于 TesseractOcr 的数字识别

  3. 其它验证码识别方案

  4. 京东数据抓取

  5. 淘宝数据抓取

第六课 多线程与多进程的爬虫

  1. 线程与进程

  2. Python 的多线程约束

  3. 多个线程同时抓取

  4. 多个进程同时抓取

  5. 日志系统设计

第七课 微博数据的存储:分布式数据库及应用

  1. SQL 与 NoSQL

  2. Hadoop 架构

  3. HDFS

  4. HBase

  5. MongoDB

  6. Redis

  7. 基于分布式数据库的分布式爬虫

第八课 多机并行的微博抓取:分布式系统设计

  1. 守护进程

  2. Socket 编程

  3. Master 设计

  4. Slave 设计

  5. 任务调度及通信协议

  6. 分布式集群部署的爬虫

第九课 PageRank、网页动态重拍及应对反爬虫技术的手段

  1. PageRank 计算模型及推导

  2. 网页抓取顺序重排

  3. 网站服务架构

  4. 寻找与利用分布式服务器

  5. 多IP技术与路由控制

  6. 几乎可以应对所有反爬规则的爬虫系统架构

第十课 Scrapy 爬虫框架介绍

  1. Sample

  2. 框架分析

  3. 自动生成爬虫

  4. 控制台

  5. 流水线

  6. 中间件

第十一课 文本自动抽取、网页分类与针对文本的机器学习应用

  1. 文本的自动化抽取

  2. 文本分类

  3. 网页分类基础

  4. 分词与特征抽取

  5. 线性回归

  6. SVM

  7. Logistic Regession

  8. 网页分类

  9. 多分类器

第十二课 信息检索、搜索引擎原理及应用

  1. 搜索引擎架构介绍

  2. 正排表与倒排表

  3. Bool 模型

  4. Vector 模型

  5. 概率模型

  6. TF/IDF

  7. Elastic Search

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,743评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,296评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,285评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,485评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,581评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,821评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,960评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,719评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,186评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,516评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,650评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,936评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,757评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,991评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,370评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,527评论 2 349

推荐阅读更多精彩内容