培訓內容:
課程大綱:
第一講網(wǎng)絡爬蟲基礎
1.什么是網(wǎng)絡爬蟲
2.瀏覽網(wǎng)頁的過程
3.URL的含義
4.環(huán)境的配置
第二講Python爬蟲基礎知識
1.Python爬蟲基礎學習
2.Pythonurllib和urllib2庫的用法
3.Python正則表達式
4.BeautifulSoup簡介
5.爬蟲框架Scrapy
第三講Urllib庫的基本使用
1.網(wǎng)頁爬取示例
2.網(wǎng)頁爬取方法
3.構造Requset
4.POST和GET數(shù)據(jù)傳送
第四講Urllib庫的高級用法
1.設置Headers
2.Proxy（代理）的設置
3.Timeout設置
4.HTTP的PUT和DELETE方法
5.使用DebugLog
第五講正則表達式
1.了解正則表達式
2.正則表達式的語法規(guī)則
3.正則表達式相關注解
4.PythonRe模塊
第六講BeautifulSoup的用法
1.BeautifulSoup的簡介
2.BeautifulSoup安裝
3.創(chuàng)建BeautifulSoup對象
4.BeautifulSoup對象種類
5.遍歷文檔樹
第七講開始采集
1.遍歷單個域名
2.采集整個網(wǎng)站
3.通過互聯(lián)網(wǎng)采集
4.用Scrapy采集
5.幾個示例
第八講存儲數(shù)據(jù)和讀取文檔
1.媒體文件
2.把數(shù)據(jù)存儲到CSV
3.MySQL與Python整合
4.讀取純文本和CSV文檔
5.讀取Word和.docx
第九講自然語言處理基礎
1.概括數(shù)據(jù)
2.馬爾可夫模型
3.自然語言工具包
4.用NLTK做統(tǒng)計分析
5.用NLTK做詞性分析
第十講用爬蟲測試網(wǎng)站
1.測試簡介
2.Python單元測試
3.Selenium單元測試
4.Python單元測試與Selenium單元測試的選擇
培訓師介紹：
楊老師。
主要研究網(wǎng)絡信息分析以及云計算相關技術，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡信息處理、商務智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。