[092] Scrapy打造搜索引擎 畅销4年的Python分布式爬虫课 - 不怕你和别的爬虫课程比较，随便去看，你会明白，慕课网的情怀从来不是靠嘴说的，是靠高质量内容体现的

网盘链接：

1. 课程介绍

• 1-1 python分布式爬虫打造搜索引擎简介

2. windows下搭建开发环境

• 2-1 pycharm的安装和简单使用
• 2-2 mysql和navicat的安装和使用
• 2-3 windows和linux下安装python2和python3
• 2-4 虚拟环境的安装和配置

3. 爬虫基础知识回顾

• 3-1 技术选型 爬虫能做什么
• 3-2 正则表达式-1
• 3-3 正则表达式-2
• 3-4 正则表达式-3
• 3-5 深度优先和广度优先原理
• 3-6 url去重方法
• 3-7 彻底搞清楚unicode和utf8编码

4. 新： scrapy爬取知名技术文章网站

• 4-1 重录说明(很重要！！！)
• 4-2 scrapy安装和配置
• 4-3 需求分析
• 4-4 pycharm中调试scrapy源码
• 4-5 xpath基础语法
• 4-6 xpath提取元素
• 4-7 css选择器
• 4-8 . cnblogs模拟登录(新增内容)
• 4-9 编写spider完成抓取过程 – 1
• 4-10 编写spider完成抓取过程 – 2
• 4-11 scrapy中为什么要使用yield
• 4-12 提取详情页信息
• 4-13 提取详情页信息
• 4-14 items的定义和使用 – 1
• 4-15 items的定义和使用 – 2
• 4-16 scrapy配置图片下载
• 4-17 items数据写入到json文件中
• 4-18 mysql表结构设计
• 4-19 pipeline数据库保存
• 4-20 异步方式入库mysql
• 4-21 数据插入主键冲突的解决方法
• 4-22 itemloader提取信息
• 4-23 itemloader提取信息
• 4-24 大规模抓取图片下载出错的问题
• 4-25 有没有方法可以比较准确的解析出 title 和正文内容

5. 网站模拟登陆和滑动验证码识别（2021.6月更新）

• 5-1 session和cookie自动登录机制
• 5-2 课程如何应对网站反爬变化？
• 5-3 使用opencv识别滑动验证码的环境准备
• 5-4 opencv滑动验证码识别原理
• 5-5 滑动验证码识别集成到scrapy中
• 5-6 通过机器学习平台训练滑动验证码模型
• 5-7 发布训练模型并远程调用识别

6. scrapy爬取知名问答网站

• 6-12 知乎分析以及数据表设计1
• 6-13 知乎分析以及数据表设计 – 2
• 6-14 item loder方式提取question – 1
• 6-15 item loder方式提取question – 2
• 6-16 item loder方式提取question – 3
• 6-17 知乎spider爬虫逻辑的实现以及answer的提取 – 1
• 6-18 知乎spider爬虫逻辑的实现以及answer的提取 – 2
• 6-19 保存数据到mysql中 -1
• 6-20 保存数据到mysql中 -2
• 6-21 保存数据到mysql中 -3
• 6-22 如何将数据的保存和抓取独立出来？

7. 通过CrawlSpider对招聘网站进行整站爬取

• 7-1 数据表结构设计
• 7-2 CrawlSpider源码分析-新建CrawlSpider与settings配置
• 7-3 CrawlSpider源码分析
• 7-4 Rule和LinkExtractor使用
• 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)
• 7-6 item loader方式解析职位
• 7-7 职位数据入库-1
• 7-8 职位信息入库-2
• 7-9 网站反爬突破

8. Scrapy突破反爬虫的限制

• 8-1 爬虫和反爬的对抗过程以及策略
• 8-2 scrapy架构源码分析
• 8-3 Requests和Response介绍
• 8-4 通过downloadmiddleware随机更换user-agent-1
• 8-5 通过downloadmiddleware随机更换user-agent – 2
• 8-6 scrapy实现ip代理池 – 1
• 8-7 scrapy实现ip代理池 – 2
• 8-8 scrapy实现ip代理池 – 3
• 8-9 云打码实现验证码识别
• 8-10 cookie禁用、自动限速、自定义spider的settings

9. scrapy进阶开发

• 9-1 selenium动态网页请求与模拟登录知乎
• 9-2 selenium模拟登录微博， 模拟鼠标下拉
• 9-3 chromedriver不加载图片、phantomjs获取动态网页
• 9-4 selenium集成到scrapy中
• 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
• 9-6 scrapy的暂停与重启
• 9-7 scrapy url去重原理
• 9-8 scrapy telnet服务
• 9-9 spider middleware 详解
• 9-10 scrapy的数据收集
• 9-11 scrapy信号详解
• 9-12 scrapy扩展开发

10. scrapy-redis分布式爬虫

• 10-1 分布式爬虫要点
• 10-2 redis基础知识 – 1
• 10-3 redis基础知识 – 2
• 10-4 scrapy-redis编写分布式爬虫代码
• 10-5 scrapy源码解析-connection.py、defaults.py-
• 10-6 scrapy-redis源码剖析-dupefilter.py-
• 10-7 scrapy-redis源码剖析- pipelines.py、 queue.py-
• 10-8 scrapy-redis源码分析- scheduler.py、spider.py-
• 10-9 集成bloomfilter到scrapy-redis中

11. cookie池系统设计和实现

• 11-1 什么是cookie池？
• 11-2 cookie池系统设计
• 11-3 实现cookie池-1
• 11-4 实现cookie池-2
• 11-5 改造login方法 – 1
• 11-6 改造login方法 – 2
• 11-7 改造login方法-3
• 11-8 改造login方法-4
• 11-9 通过抽象基类实现网站轻松接入
• 11-10 实现检测网站cookie是否有效
• 11-11 如何选择redis的数据结构来保存cookie
• 11-12 cookie管理器的实现
• 11-13 启动cookie池服务
• 11-14 将cookie集成到爬虫项目中
• 11-15 cookie架构设计改进意见

12. 各种验证码的识别

• 12-1 滑动验证码的识别思路
• 12-2 验证码截屏-1
• 12-3 验证码截屏-2
• 12-4 计算出滑动的距离
• 12-5 计算滑动轨迹

13. 增量抓取

• 13-1 增量爬虫需要解决的问题
• 13-2 通过修改scrapy-redis完成增量抓取 -1
• 13-3 通过修改scrapy-redis完成增量抓取-2
• 13-4 爬虫数据更新

14. elasticsearch搜索引擎的使用

• 14-1 elasticsearch介绍
• 14-2 elasticsearch安装
• 14-3 elasticsearch-head插件以及kibana的安装
• 14-4 elasticsearch的基本概念
• 14-5 倒排索引
• 14-6 elasticsearch 基本的索引和文档CRUD操作
• 14-7 elasticsearch的mget和bulk批量操作
• 14-8 elasticsearch的mapping映射管理
• 14-9 elasticsearch的简单查询 – 1
• 14-10 elasticsearch的简单查询 – 2
• 14-11 elasticsearch的bool组合查询
• 14-12 scrapy写入数据到elasticsearch中 – 1
• 14-13 scrapy写入数据到elasticsearch中 – 2

15. django搭建搜索网站

• 15-1 es完成搜索建议-搜索建议字段保存 – 1
• 15-2 es完成搜索建议-搜索建议字段保存 – 2
• 15-3 django实现elasticsearch的搜索建议 – 1
• 15-4 django实现elasticsearch的搜索建议 – 2
• 15-5 django实现elasticsearch的搜索功能 -1
• 15-6 django实现elasticsearch的搜索功能 -2
• 15-7 django实现搜索结果分页
• 15-8 搜索记录、热门搜索功能实现 – 1
• 15-9 搜索记录、热门搜索功能实现 – 2

16. scrapyd部署scrapy爬虫

• 16-1 scrapyd部署scrapy项目

17. 课程总结

• 17-1 课程总结
• 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？