python分布式爬虫打造搜索引擎--------scrapy实现

最近在网上学习一门关于scrapy爬虫的课程，觉得还不错，以下是目录还在更新中，我觉得有必要好好的做下笔记，研究研究。

第1章 课程介绍

1-1 python分布式爬虫打造搜索引擎简介 07:23

第2章 windows下搭建开发环境

2-1 pycharm的安装和简单使用 10:27

2-2 mysql和navicat的安装和使用 16:20

2-3 windows和linux下安装python2和python3 06:49

2-4 虚拟环境的安装和配置 30:53

第3章 爬虫基础知识回顾

3-1 技术选型 爬虫能做什么 09:50

3-2 正则表达式-1 18:31

3-3 正则表达式-2 19:04

3-4 正则表达式-3 20:16

3-5 深度优先和广度优先原理 25:15

3-6 url去重方法 07:44

3-7 彻底搞清楚unicode和utf8编码 18:31

第4章 scrapy爬取知名技术文章网站（伯乐在线实战）

4-1 scrapy安装以及目录结构介绍 22:33

4-2 pycharm 调试scrapy 执行流程 12:35

4-3 xpath的用法 - 1 22:17


4-4 xpath的用法 - 2 19:00

4-5 xpath的用法 - 3 21:22

4-6 css选择器实现字段解析 - 1 17:21

4-7 css选择器实现字段解析 - 2 16:31

4-8 编写spider爬取jobbole的所有文章 - 1 15:40

4-9 编写spider爬取jobbole的所有文章 - 2 09:45

4-10 items设计 - 1 14:49

4-11 items设计 - 2 15:45

4-12 items设计 - 3 17:05

4-13 数据表设计和保存item到json文件 18:17

4-14 通过pipeline保存数据到mysql - 1 18:41

4-15 通过pipeline保存数据到mysql - 2 17:58

4-16 scrapy item loader机制 - 1 17:26

4-17 scrapy item loader机制- 2 20:31

第5章 scrapy爬取知名问答网站（知乎实战）

5-1 session和cookie自动登录机制 20:10

5-2 requests模拟登陆知乎 - 1 13:32

5-3 requests模拟登陆知乎 - 2 13:16

5-4 requests模拟登陆知乎 - 3 12:21

5-5 scrapy模拟知乎登录 20:46

5-6 知乎分析以及数据表设计1 15:17

5-7 知乎分析以及数据表设计 - 2 13:35

5-8 item loder方式提取question - 1 14:57

5-9 item loder方式提取question - 2 15:20

5-10 item loder方式提取question - 3 06:45

5-11 知乎spider爬虫逻辑的实现以及answer的提取 - 1 15:54

5-12 知乎spider爬虫逻辑的实现以及answer的提取 - 2 17:04

5-13 保存数据到mysql中 -1 17:27

5-14 保存数据到mysql中 -2 17:22

5-15 保存数据到mysql中 -3 16:09

5-16 (补充小节)知乎验证码登录 - 1_1 16:41

5-17 (补充小节)知乎验证码登录 - 2_1 10:32

第6章 通过CrawlSpider对招聘网站进行整站爬取（拉勾网实战）

6-1 数据表结构设计 15:33

6-2 CrawlSpider源码分析-新建CrawlSpider与settings配置 12:50

6-3 CrawlSpider源码分析 25:29

6-4 Rule和LinkExtractor使用 14:28

6-5 item loader方式解析职位 24:46

6-6 职位数据入库-1 19:01

6-7 职位信息入库-2 11:19

第7章 Scrapy突破反爬虫的限制（拉勾网实战）

7-1 爬虫和反爬的对抗过程以及策略 20:17

7-2 scrapy架构源码分析 10:45

7-3 Requests和Response介绍 10:18

7-4 通过downloadmiddleware随机更换user-agent-1 17:00

7-5 通过downloadmiddleware随机更换user-agent - 2 17:13

7-6 scrapy实现ip代理池 - 1 16:51

7-7 scrapy实现ip代理池 - 2 17:39

7-8 scrapy实现ip代理池 - 3 18:46

7-9 云打码实现验证码识别 22:37

7-10 cookie禁用、自动限速、自定义spider的settings 07:22

第8章 scrapy进阶开发

8-1 selenium动态网页请求与模拟登录知乎 21:24

8-2 selenium模拟登录微博， 模拟鼠标下拉 11:06

8-3 chromedriver不加载图片、phantomjs获取动态网页 09:59

8-4 selenium集成到scrapy中 19:43

8-5 其余动态网页获取技术介绍-chrome无界面运行、scrapy-splash、selenium-grid, splinter 07:50

8-6 scrapy的暂停与重启 12:58

8-7 scrapy url去重原理 05:45

8-8 scrapy telnet服务 07:37

8-9 spider middleware 详解 15:25

8-10 scrapy的数据收集 13:44

8-11 scrapy信号详解 13:05

8-12 scrapy扩展开发 13:16

第9章 scrapy-redis分布式爬虫（实战项目）

9-1 分布式爬虫要点 08:39

9-2 redis基础知识 - 1 20:31

9-3 redis基础知识 - 2 15:58

9-4 scrapy-redis编写分布式爬虫代码 21:06

9-5 scrapy源码解析-connection.py、defaults.py- 11:05

9-6 scrapy-redis源码剖析-dupefilter.py- 05:29

9-7 scrapy-redis源码剖析- pipelines.py、 queue.py- 10:41

9-8 scrapy-redis源码分析- scheduler.py、spider.py- 11:52

9-9 集成bloomfilter到scrapy-redis中 19:30

第10章 elasticsearch搜索引擎的使用

从本章开始基本是搜索引擎的知识，与我学习scrapy没多大关系，所以就不记录笔记了，以后有兴趣了再继续记笔记学习。

10-1 elasticsearch介绍 18:21

10-2 elasticsearch安装 13:24

10-3 elasticsearch-head插件以及kibana的安装 24:09

10-4 elasticsearch的基本概念 12:15

10-5 倒排索引 11:24

10-6 elasticsearch 基本的索引和文档CRUD操作 18:44

10-7 elasticsearch的mget和bulk批量操作 12:36

10-8 elasticsearch的mapping映射管理 21:03

10-9 elasticsearch的简单查询 - 1 14:56

10-10 elasticsearch的简单查询 - 2 11:12

10-11 elasticsearch的bool组合查询 22:58

10-12 scrapy写入数据到elasticsearch中 - 1 14:16

10-13 scrapy写入数据到elasticsearch中 - 2 11:15

第11章 django搭建搜索网站

11-1 es完成搜索建议-搜索建议字段保存 - 1 13:45

11-2 es完成搜索建议-搜索建议字段保存 - 2 13:34

11-3 django实现elasticsearch的搜索建议 - 1 19:57

11-4 django实现elasticsearch的搜索建议 - 2 18:15

11-5 django实现elasticsearch的搜索功能 -1 14:06

11-6 django实现elasticsearch的搜索功能 -2 13:14

11-7 django实现搜索结果分页 09:12

11-8 搜索记录、热门搜索功能实现 - 1 14:34

11-9 搜索记录、热门搜索功能实现 - 2 14:04

第12章 scrapyd部署scrapy爬虫

12-1 scrapyd部署scrapy项目 24:39

第13章 课程总结

13-1 课程总结 05:55

觉得好就点个推荐吧！