為認(rèn)真貫徹落實(shí)教育部實(shí)施新時代中國特色高水平高職學(xué)校和專業(yè)群建設(shè)，扎實(shí)、持續(xù)
地推進(jìn)職校改革，強(qiáng)化內(nèi)涵建設(shè)和高質(zhì)量發(fā)展，落實(shí)雙高計劃，抓好職業(yè)院校信息技術(shù)人才培
養(yǎng)方案實(shí)施及配套建設(shè)，我們統(tǒng)籌規(guī)劃并啟動了職業(yè)教育賽教一體化課程改革系列規(guī)劃教材
（云計算技術(shù)與應(yīng)用、大數(shù)據(jù)技術(shù)與應(yīng)用、網(wǎng)絡(luò)綜合布線、傳感器應(yīng)用技術(shù)、物聯(lián)網(wǎng) .NET 開
發(fā)、物聯(lián)網(wǎng)嵌入式開發(fā)、物聯(lián)網(wǎng)移動應(yīng)用開發(fā)、 Python 網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)）。本系列教材是由教
育教學(xué)一線專家、教育企業(yè)一線工程師、中國鐵道出版社有限公司精英數(shù)十人團(tuán)隊的匠心之作，
是全體編委精益求精，在日復(fù)一日、年復(fù)一年的工作中不斷探索和超越的教學(xué)結(jié)晶。本書教學(xué)
設(shè)計遵循教學(xué)規(guī)律，涉及內(nèi)容是真實(shí)項目的拆分與提煉。
本書基于 Python 3，系統(tǒng)全面地講解了 Python 網(wǎng)絡(luò)爬蟲的基礎(chǔ)知識。全書共分 11 章，具
體介紹如下：
第 1、 2 章主要介紹網(wǎng)絡(luò)爬蟲的概念及實(shí)現(xiàn)原理，希望讀者能夠明白爬蟲爬取網(wǎng)頁的過程，
并對產(chǎn)生的一些問題有所了解。
第 3~6 章詳細(xì)介紹了網(wǎng)頁數(shù)據(jù)解析的相關(guān)技術(shù)，包括 urllib 庫的使用、 requests 庫、
lxml、 XPath、 Beautiful Soup 等。
第 7 章主要介紹動態(tài)網(wǎng)頁爬取的內(nèi)容，希望讀者掌握抓取動態(tài)網(wǎng)頁的一些技巧。
第 8 章主要介紹爬蟲數(shù)據(jù)存儲的內(nèi)容，包括使用 MySQL 與 MongoDB 數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存
儲的相關(guān)知識。通過案例實(shí)操，講解了如何一步步從網(wǎng)站中爬取、解析、存儲電影信息。希望
讀者在存儲爬蟲數(shù)據(jù)時根據(jù)具體情況靈活選擇合理的技術(shù)進(jìn)行運(yùn)用。
第 9、 10 章主要介紹爬蟲框架 Scrapy 以及自動爬取網(wǎng)頁的爬蟲 CrawlSpider 的相關(guān)知識。
通過對這兩章的學(xué)習(xí)，可了解框架的基本知識與應(yīng)用，為以后深入學(xué)習(xí)打下堅實(shí)基礎(chǔ)。
第 11 章主要介紹圖像識別與文字處理等內(nèi)容，希望讀者學(xué)會處理一些字符格式規(guī)范的圖
像和簡單的驗(yàn)證碼。
本書由湖南環(huán)境生物職業(yè)技術(shù)學(xué)院的鄧晨曦任主編，武漢唯眾智創(chuàng)科技有限公司的陳家
楓、仙桃職業(yè)學(xué)院的李明海、襄陽職業(yè)技術(shù)學(xué)院的田勇、重慶工商職業(yè)學(xué)院的向濤任副主編。
具體分工如下：鄧晨曦編寫第 1 章、第 2 章、第 5 章、第 6 章、第 8 章、第 11 章；陳家楓編
寫第 3 章、第 4 章；李明海編寫第 7 章；田勇編寫第 9 章；向濤編寫第 10 章。全書由鄧晨曦
統(tǒng)稿。
由于時間倉促，編者水平有限，書中難免存在疏漏與不妥之處，敬請廣大讀者批評指正。
編 者
2021 年 7 月