Python网络爬虫——周报2

一、本周情况：

1.1 书籍学习

• 第二部分： 高级数据采集
  • 数据清洗
  • 自然语言处理
  • 穿越网页表单与登录窗口进行采集
  • 采集javascript
  • 图像识别与文字处理
  • 避开采集陷阱
  • 用爬虫测试网站
  • 远程采集

二、笔记：

• 本部分练习代码在我的github仓库：https://github.com/Alextaotao/Python-network-data-collection

---

---

三、下周计划：

3.1、爬虫工程师起步（慕课网）

• 开发环境搭建
• 计算机网络协议基础
  • socket编程
  • TCP/IP
  • HTTP
• 前端基础
  • html、css、JavaScript之间的关系
  • 浏览器加载过程
  • DOM树
  • ajax、json、xml
  • get、post、Content-type
• 爬虫初体验
  • beautifulsoup
  • xpath
• 项目实战：抓取CSDN论坛数据

3.2、分布式爬虫实战（第二期）（小象学院）

• 静态网页爬虫：爬虫的基础技术
• 登录及动态网页抓取