519 Python高级爬虫实战

课程目录

519.png (142.9 KB, 下载次数: 0) 2024-4-12 15:47 上传 课程介绍： 对爬虫工程师来说，突破反爬是一项重要但并不容易掌握的工作能力，因为反爬涉及的技术领域广泛，知识庞杂，网上也缺乏体系教程。不过别担心，本课中，爬虫技术专家带你深度了解Web端反爬策略，并教你用多手段、多方法破解反爬技术，向高级爬虫工程师晋级，挑战高薪。 课程目录：
第1章 爬虫进阶-突破web反爬-课程导学 4 节 | 27分钟 本章节我们主要梳理本课程的学习脉络，和课前环境搭建工作，最最重要的是小布老师给所有想学习爬虫的同学们一些良心学习建议和爬虫重点学习方向梳理，让同学们在开始学习前有一个清晰的学习路线。 1-1 爬虫进阶之破解Web端反爬技术-课程导学 (07:00) 1-2 给所有爬虫工程师的学习建议 (19:37) 1-3 课程开发环境搭建文档 1-4 【讨论题】：爬虫工程师该何去何从？
第2章 必须掌握的HTTP网络基础知识12 节 | 64分钟 爬虫本质就是网络请求，了解了HTTP和HTTPS，可以更好的理解爬虫相关的知识点 2-1 本章知识概要与学习计划 2-2 为什么HTTPS是安全的？（上） (10:50) 2-3 为什么HTTPS是安全的？（下） (11:27) 2-4 http状态码告诉我们哪个环节出了问题？ 2-5 这些 http 请求头信息出卖了爬虫？（上） (13:00) 2-6 这些 http 请求头信息出卖了爬虫？（下） (11:50) 2-7 每次http协议升级分别解决什么问题？ 2-8 爬虫如何解决 https 证书认证？ (13:16) 2-9 证书信息的补充 (03:29) 2-10 【选择题】HTTP的基础知识点 2-11 本章知识点总结 2-12 【讨论题】：Cookie 和 Session 在爬虫中的应用
第3章 手把手教你搭建代理服务12 节 | 101分钟 代理服务是爬虫必须使用加速工具，自建代理服务也是爬虫的必修课。 3-1 本章知识概要与学习计划 3-2 纵向对比各大代理IP服务商的优劣（1） (08:54) 3-3 纵向对比各大代理IP服务商的优劣（2） (14:49) 3-4 纵向对比各大代理IP服务商的优劣（3） (10:44) 3-5 用squid自建代理服务（1） (12:56) 3-6 用squid自建代理服务（2） (13:58) 3-7 创建加密的squid代理服务（3） (22:19) 3-8 squid+vps 搭建代理池的技术方案 3-9 一起分析第三方代理产品的应用场景 (17:07) 3-10 【简答题】使用 squid+vps 搭建第三方服务的优势在哪 3-11 本章知识点复习与总结 3-12 讨论题】你还知道有哪些代理服务方案？
第4章 破解加密登录的过程18 节 | 214分钟 现在网络要求实名制，则爬虫也需要一个身份，破解加密登录，爬虫就实现可以身份七十二变。 4-1 本章知识概要与学习计划 4-2 明文传输和密文传输 4-3 了解账号信息加密的通用算法 4-4 通过抓包逆向分析js代码（1） (11:26) 4-5 通过抓包逆向分析js代码（2） (12:47) 4-6 通过抓包逆向分析js代码（3） (20:35) 4-7 Chrome开发者工具一览 4-8 开发者工具栏的网络栏使用说明（图文补充视频） (01:33) 4-9 无限Debugger产生的原因和突破方法 (23:16) 4-10 添加BreakPoint调试JS堆栈内容（上） (20:22) 4-11 添加BreakPoint调试JS堆栈内容（下） (22:38) 4-12 适用ReRes篡改和伪装JS内容 (30:30) 4-13 【作业题】：简述逆向突破JavaScript加密 4-14 Python逆向重构加密函数（上） (19:43) 4-15 Python逆向重构加密函数（下） (23:15) 4-16 Python调度JS文件实现 (12:07) 4-17 Python调度JS文件实现 (15:48) 4-18 本章知识点复习与总结复盘
第5章 Cookie池的搭建和维护20 节 | 287分钟 单个账号是不足以抓到海量数据，所以Cookie池就是给爬虫提供海量的身份信息去隐藏自己。 5-1 本章知识概要与学习计划 5-2 Cookie的来源和重要性 5-3 Cookie池的使用场景 (14:02) 5-4 Cookie的属性和时效说明 (20:02) 5-5 Session和Cookie的共同点和区别 (16:36) 5-6 用Python对Cookie进行持久化和装载复用（1） (21:04) 5-7 用Python对Cookie进行持久化和装载复用（2） (14:57) 5-8 用Python实现对Cookie的协助式提取和复用（1） (16:49) 5-9 用Python实现对Cookie的协助式提取和复用（2） (16:35) 5-10 用Python实现对Cookie的协助式提取和复用（3） (22:33) 5-11 Cookie的维护方案和管理系统 5-12 【作业题】从浏览器中提取Cookie并用脚本请求 5-13 一键部署大批量的Cookie调试环境（上） (20:25) 5-14 一键部署大批量的Cookie调试环境（下） (26:54) 5-15 【Cookie实战】复杂登录过程的Cookie调试环境-上 (25:00) 5-16 【Cookie实战】复杂登录过程的Cookie调试环境-下 (09:50) 5-17 【社交平台实战】提取Cookie保存到Cookie池中 (16:37) 5-18 【Cookie实战】高并发维护上万Cookie的有效性（上） (14:48) 5-19 【Cookie实战】高并发维护上万Cookie的有效性（下） (29:59) 5-20 本章知识点复习与总结
第6章 调度浏览器降低分析难度23 节 | 312分钟 爬虫和网站反爬的博弈是无止尽，但是网站必须服从浏览器的运行规则，适度使用浏览器，降低难度，提高开发效率。 6-1 本章知识概要与学习计划 6-2 对比selenium、phantomjs、puppeteer 6-3 Selenium的优势和点击操作（上） (13:28) 6-4 Selenium的优势和点击操作（下） (17:09) 6-5 Chrome的远程调试能力 (18:09) 6-6 Chrome开启远程调试端口 6-7 通过Chrome隔离实现一台电脑登录多个账号（上） (13:08) 6-8 通过Chrome隔离实现一台电脑登录多个账号 (23:14) 6-9 puppeteer的工作原理及应用场景 6-10 Nodejs+Puppeteer实现登录官网（上） (14:50) 6-11 Nodejs+Puppeteer实现登录官网（下） (21:51) 6-12 Nodejs+puppeteer实现滑动验证码全自动识别（上） (20:19) 6-13 Nodejs+puppeteer实现滑动验证码全自动识别(下) (25:10) 6-14 Nodejs+puppeteer实现网站录项目架构说明（上） (16:34) 6-15 Nodejs+puppeteer实现网站登录项目架构说明（中） (17:08) 6-16 Nodejs+puppeteer实现网站登录项目架构说明（下） (15:20) 6-17 Nodejs+puppeteer实现登录之像素RGB对比算法实现(上) (15:52) 6-18 Nodejs+puppeteer实现登录之像素RGB对比算法实现(下) (18:44) 6-19 Nodejs+puppeteer实现网站登录之rembrandt算法实现 (18:48) 6-20 .nodejs+puppeteer实现网站登录之SSIM结构算法实现 (14:55) 6-21 利用贝塞尔曲线模拟真人滑动鼠标 (27:17) 6-22 【作业题】selenium和puppeteer 6-23 本章知识点复习和总结
第7章 逆向破解被加密的数据10 节 | 88分钟 数据越值钱，藏的就越深，数据加密是非常容易碰到的。掌握加密技巧做解密操作，也是必修课之一。 7-1 本章知识概要与学习计划 7-2 字体渲染的顺序和原理 7-3 全方位了解字体渲染的全过程 (13:11) 7-4 字体文件的检查和数据查看 (19:06) 7-5 字体文件转换并实现网页内容还原 (24:50) 7-6 【作业题】解析出给出base64字符串的原数据 7-7 完美还原上百页的数据内容（上） (12:33) 7-8 完美还原上百页的数据内容（下） (17:58) 7-9 【讨论题】：base64在网页中，常给哪些数据做解密 7-10 本章知识点复习与总结。
第8章 反爬的实战练习13 节 | 154分钟 做一次反爬的专题训练，针对不同的反爬技巧做定向的突破练习。 8-1 本章知识概要和学习计划 8-2 目标网站和数据抓取要求说明 8-3 爬虫文件的解析和数据的抓取（上） (17:36) 8-4 爬虫文件的解析和数据的抓取（下） (15:59) 8-5 .反爬措施的分析和突破 (18:08) 8-6 Scrapy接入Cookie池管理系统（上） (18:34) 8-7 Scrapy接入Cookie池管理系统（中） (18:56) 8-8 Scrapy接入Cookie池管理系统（下） (17:21) 8-9 分布式爬虫的架设（上） (15:26) 8-10 分布式爬虫的架设（中） (16:34) 8-11 分布式爬虫的架设（下） (15:10) 8-12 【讨论题】关于此次实战，有什么更好的数据抓取技巧 8-13 本章知识点复习与总结
第9章 分布式爬虫架构方案6 节 | 32分钟 海量数据的抓取，还是上分布式爬虫，架构的可拓展性，可以几何倍数的增加爬虫性能，快速的拿到海量数据。 9-1 本章知识概要与学习计划 9-2 分布式爬虫的优势和必要性 9-3 分布式爬虫架构的架构方案讨论 9-4 下游业务如何使用爬取到的数据 (17:13) 9-5 数据和文件的存储方案 (14:22) 9-6 分布式爬虫之知识点复习与总结
第10章 课程终极测验32 节 | 3分钟 知识点复查，针对前面的所有章节，准备了30道题，巩固爬虫各领域基础知识 10-1 终极测验导学（必看） (02:37) 10-2 现在网站使用的HTTP协议，哪个版本是主流？ 10-3 200、302、404、500状态码分别代表什么意思？ 10-4 请求头中UA、Referer分别代表啥？ 10-5 简述一下为什么HTTPS是安全的。 10-6 说出几个你知道的代理IP类型。 10-7 说出几个你知道的请求转发软件，例如squid。 10-8 你觉得爬虫适合短效还是长效代理？为什么？ 10-9 网页的请求记录，是在开发者工具的哪一栏？ 10-10 简述无限debugger的产生原因。 10-11 开发者工具中增加JS断点，是在哪个栏中添加？ 10-12 列出几个能调度js代码的python库。 10-13 python重构加密算法和调用js代码，分别适合什么场景？ 10-14 列出几个你知道的加解密算法。 10-15 简述Chrome浏览器的Reres插件工作原理。 10-16 简述一下，Cookie和Session的相同点和不同点。 10-17 Cookie池的使用场景有哪些？ 10-18 一个Cookie值有哪些属性？ 10-19 关于Cookie池，你通常采用什么方式进行管理和维护？ 10-20 selenium、phantomjs、你更你更喜欢哪个？ 10-21 对比滑块验证码的三个算法，你有没有更好的方法或算法？ 10-22 selenium支持哪些浏览器？至少列出三个浏览器名称。 10-23 简述字体渲染的全过程。 10-24 网页中加载内容，什么情况下使用base64？外部链接？ 10-25 scrapy框架有哪些组件？ 10-26 scrapy框架的下载器中间件负责处理哪部分内容？ 10-27 什么情况下需要分布式爬虫？ 10-28 scrapyd是什么？ 10-29 列出你知道的分布式爬虫管理系统。 10-30 大数据框架，spark的优势在哪？ 10-31 分布式文件系统和大数据文件系统，有什么区别？ 10-32 HBase 和 Hive 的差别是什么，各自适用在什么场景中
第11章 爬虫工程师简历指导3 节 | 在本章小布老师会结合大家所学内容进一步给出专属爬虫工程师的学习路线指引，学习方法和资料推荐，还会专门为爬虫工程师的简历做一些指导建议，大家有此类困惑也可以在问答区继续和小布老师交互，感谢大家的学习。 11-1 【简历制作经验分享】：一个合格的爬虫平台负责人的简历应该是怎样的？ 11-2 课程总结及实用学习建议 11-3 后续学习方法/资料/课程推荐