網(wǎng)絡(luò)爬蟲原理與實踐：基于C#語言

定　價：￥79.00

作　者：	李健種惠芳
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111716945	出版時間：	2022-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書基于C#語言介紹網(wǎng)絡(luò)爬蟲開發(fā)的基本原理、技巧和應(yīng)用實例，適合網(wǎng)絡(luò)爬蟲開發(fā)的愛好者和研究者閱讀。讀者*好具備一定的編程基礎(chǔ)，或者正在學(xué)習(xí)C#編程，以便更好地理解本書的內(nèi)容。本書具有以下特點：1）內(nèi)容簡明、由淺入深。本書不追求內(nèi)容上的面面俱到，而是圍繞網(wǎng)絡(luò)爬蟲的核心環(huán)節(jié)，介紹其基本原理和實現(xiàn)方法，并進(jìn)行適當(dāng)?shù)墓δ軘U展。與其他同類書籍相比，本書篇幅適中，適合初學(xué)者閱讀。2）實例豐富，代碼翔實。書中盡量選擇邏輯簡明、功能完整的典型實例，從需求、設(shè)計、實現(xiàn)的角度分別進(jìn)行介紹。而且，幾乎所有實例都給出了主要實現(xiàn)代碼，并對關(guān)鍵代碼進(jìn)行了詳細(xì)注釋，方便讀者進(jìn)行實踐。

作者簡介

　　李健，博士，畢業(yè)于解放軍信息工程大學(xué)，后留校任教至今。主要研究方向為網(wǎng)絡(luò)安全、擬態(tài)安全、軟件安全等。參與過國家863、國家自然科學(xué)基金等項目，以及省市級研發(fā)項目，發(fā)表論文20余篇。

圖書目錄

目　　錄
前言
第1章　網(wǎng)絡(luò)爬蟲概述1
1.1　網(wǎng)絡(luò)基礎(chǔ)1
1.1.1　網(wǎng)絡(luò)的基本概念1
1.1.2　HTTP6
1.1.3　會話機制11
1.2　網(wǎng)頁知識14
1.2.1　HTML14
1.2.2　CSS17
1.2.3　JavaScript20
1.3　網(wǎng)絡(luò)爬蟲的原理22
1.3.1　網(wǎng)絡(luò)爬蟲概述22
1.3.2　Robots協(xié)議25
1.3.3　網(wǎng)絡(luò)爬蟲框架29
第2章　C#編程基礎(chǔ)31
2.1　C#語言概述31
2.1.1　C#與.NET框架31
2.1.2　開發(fā)環(huán)境33
2.1.3　語言生態(tài)37
2.2　數(shù)據(jù)和運算40
2.2.1　C#數(shù)據(jù)類型40
2.2.2　常用運算符45
2.3　流程控制50
2.3.1　分支結(jié)構(gòu)51
2.3.2　循環(huán)結(jié)構(gòu)54
2.4　常用數(shù)據(jù)結(jié)構(gòu)56
2.4.1　字符串56
2.4.2　數(shù)組60
2.4.3　列表62
2.4.4　字典65
第3章　網(wǎng)絡(luò)資源下載70
3.1　同步下載70
3.1.1　網(wǎng)頁下載70
3.1.2　編碼檢測72
3.1.3　參數(shù)設(shè)置76
3.2　異步下載83
3.2.1　實現(xiàn)方式83
3.2.2　性能分析85
3.3　通用資源下載器 86
3.3.1　下載器的設(shè)計86
3.3.2　下載器的實現(xiàn)88
第4章　網(wǎng)頁數(shù)據(jù)抽取95
4.1　正則表達(dá)式抽取95
4.1.1　正則表達(dá)式簡介95
4.1.2　使用Regex類97
4.2　XPath抽取100
4.2.1　XPath簡介100
4.2.2　使用HtmlAgilityPack103
4.3　HTML解析器107
4.4　綜合實例：新聞資訊爬蟲110
4.4.1　爬蟲設(shè)計110
4.4.2　爬蟲實現(xiàn)111
第5章　其他數(shù)據(jù)抽取119
5.1　XML數(shù)據(jù)抽取119
5.1.1　XML簡介119
5.1.2　使用System.Xml120
5.2　JSON數(shù)據(jù)抽取123
5.2.1　JSON簡介123
5.2.2　使用Newtonsoft.Json125
5.3　綜合實例1：天氣爬蟲128
5.3.1　問題描述與分析128
5.3.2　爬蟲設(shè)計131
5.3.3　爬蟲實現(xiàn)131
5.4　綜合實例2：音樂爬蟲136
5.4.1　問題描述136
5.4.2　逆向分析138
5.4.3　爬蟲設(shè)計141
5.4.4　爬蟲實現(xiàn)143
第6章　數(shù)據(jù)存儲150
6.1　數(shù)據(jù)的維度150
6.2　文件存儲151
6.2.1　低維數(shù)據(jù)存儲151
6.2.2　高維數(shù)據(jù)存儲154
6.3　數(shù)據(jù)庫存儲158
6.3.1　MySQL的安裝和配置158
6.3.2　將數(shù)據(jù)存入MySQL162
第7章　爬蟲控制167
7.1　爬蟲搜索方式167
7.1.1　深度優(yōu)先搜索167
7.1.2　廣度優(yōu)先搜索171
7.1.3　性能分析172
7.2　爬蟲控制器175
7.2.1　控制器設(shè)計175
7.2.2　控制器的實現(xiàn)176
7.2.3　實時控制器179
7.3　綜合實例：站內(nèi)文章爬蟲183
7.3.1　爬蟲設(shè)計183
7.3.2　爬蟲實現(xiàn)185
7.3.3　爬蟲測試186
第8章　多線程爬蟲189
8.1　多線程機制189
8.1.1　Thread對象189
8.1.2　BackgroundWorker控件192
8.1.3　系統(tǒng)線程池194
8.2　多線程爬蟲197
8.2.1　實現(xiàn)方法197
8.2.2　性能對比199
8.3　自定義線程池202
8.3.1　線程池設(shè)計202
8.3.2　線程池實現(xiàn)203
8.3.3　性能測試206
8.4　多線程爬蟲控制器207
8.4.1　多線程控制器實現(xiàn)207
8.4.2　訪問序列分析210
第9章　使用代理213
9.1　代理機制213
9.1.1　使用WebProxy對象213
9.1.2　使用全局代理215
9.2　自定義代理池217
9.2.1　代理池設(shè)計217
9.2.2　代理池實現(xiàn)218
第10章　模擬瀏覽器225
10.1　瀏覽器的工作原理225
10.1.1　網(wǎng)頁解析過程225
10.1.2　常見的瀏覽器內(nèi)核226
10.2　使用瀏覽器內(nèi)核226
10.2.1　Trident內(nèi)核226
10.2.2　Gecko內(nèi)核231
10.3　綜合實例：網(wǎng)頁翻譯爬蟲240
10.3.1　問題描述240
10.3.2　爬蟲設(shè)計241
10.3.3　爬蟲實現(xiàn)242
10.3.4　算法改進(jìn)247
第11章　可視化模板配置250
11.1　可視化模板配置方法250
11.1.1　抽取原理250
11.1.2　模板表示253
11.1.3　可視化配置254
11.2　綜合實例：可視化網(wǎng)頁文章
　　　爬蟲259
11.2.1　爬蟲設(shè)計259
11.2.2　爬蟲實現(xiàn)260
參考文獻(xiàn)264