课程
学校
学校云
慕课堂
下载APP
扫码下载官方APP
课程详情
课程评价
spContent=互联网是功能集合，更是存储空间；海量数据孕育巨大价值，数据采集需求迫切。网络爬虫已经成为自动获取互联网数据的主要方式，数据就在那里，它是你的吗？请跟随我们，5周时间，掌握利用Python爬取网络数据并提取信息的"小"本领。还等什么？快写个爬虫探索世界吧！
—— 课程团队
课程概述

快讯：本课程是国家精品在线开放课程“Python网络爬虫与数据分析”的上半部分，当前为第19次开课，欢迎大家前来学习！ 



    —— 为什么要学习网络爬虫？

     —— 因为数据都在网上，先要爬下来才能挖掘淘金 ...



“The website is the API.” （网页即接口）网络爬虫是获取数据的必备本领，不要犹豫！

   

    本课程面向具有Python编程基础的各类学习者，讲解利用Python语言爬取网络数据并提取关键信息的技术和方法，帮助学习者掌握定向网络数据爬取和网页解析的基本能力。

    本课程介绍Python计算生态中最优秀的网络数据爬取和解析技术，具体讲授构建网络爬虫功能的两条重要技术路线：requests-bs4-re和Scrapy，所讲述内容广泛应用于Amazon、Google、PayPal、Twitter等国际知名公司。课程内容是进入大数据处理、数据挖掘、以数据为中心人工智能领域的必备实践基础。

    本课程教学内容包括：


·         Python第三方库Requests，讲解通过HTTP/HTTPS协议自动从互联网获取数据并向其提交请求的方法；

·         Python第三方库Beautiful Soup，讲解从所爬取HTML页面中解析完整Web信息的方法；

·     Python标准库Re，讲解从所爬取HTML页面中提取关键信息的方法；

·     Python第三方库Scrapy，介绍通过网络爬虫框架构造专业网络爬虫的基本方法。 

    本课程希望传递“理解和运用计算生态”的理念，重点培养学习者运用当代最优秀第三方专业资源，快速分析和解决问题的能力。"人生苦短，不要刀耕火种“，嵩老师教你直面问题和需求，用最好的工具解决它！

    本课程是国家精品在线开放课程“Python网络爬虫与数据分析”课程的上半部分。“Python网络爬虫与数据分析”课程由“Python网络爬虫与信息提取”和“Python数据分析与展示”两门MOOC课程组成，完整地讲解了数据获取、清洗、统计、分析、可视化等数据处理周期的主要技术内容，培养计算思维、数据思维及采用程序设计方法解决计算问题的实战能力技术。  


课程大纲
预备知识

本课程需要学习者具备Python语言编程的基本知识和初步技能，建议Python零基础学习者先修嵩老师的 “Python语言程序设计 ”课程（至少完成前四周学习）。

证书要求

为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。

 

电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。

 

认证证书申请注意事项：

1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

Python集成开发环境(IDE)

[1] IDLE: Python解释器默认工具

[2] Visual Studio Code: https://code.visualstudio.com/（本课程推荐）

[3] PyCharm: https://www.jetbrains.com/pycharm/

[4] Anaconda: https://www.continuum.io/ （本课程不推荐）


参考教程

[1] Python网络爬虫专题参考教程: 课程内部资料。

[2] 《Python语言程序设计基础(第3版)》，嵩天、黄天羽、杨雅婷著，高等教育出版社，2024.9（讲授Python 3版本）


参考网站

[1] Python123学习主站：https://python123.io

[2] Python Requests: https://www.python-requests.org

[3] Python Beautiful Soup: https://www.crummy.com/software/BeautifulSoup

[4] Python Scrapy: https://scrapy.org/


常见问题



Q1：除了Python，这个课程需要其他编程语言基础吗？

A1：

不需要，只要具备基本的Python编程能力，就可以学习本课程。

 

Q2：Python 2.x和Python 3.x，这个课程采用哪个版本？

A2：

Python 3.6 及以上，这是Python语言的现在和未来，嵩老师所有Python课程都采用Python 3.x系列版本。

 

Q3：在线开放课程只能看到视频，有问题谁来解答？

A3：

编程能力是一技之长，学习过程中遇到问题很正常，为了更好地为同学们服务，本课程将由老师和一名助教在线上答疑，同时，其他学习者也会帮助回答问题。

 

Q4：非计算机专业学生要不要学网络爬虫呢？老师有何建议。

A4：

信息满天下的时代，不会点儿爬虫技术都不好意思和别人打招呼，果断选课吧，先听听看，万一学得会了呢。

 

Q5：这个课程需要使用配套教材或工具书吗？

A5：

本课程将提供视频、文本资料和程序代码等作为学习资料，同学们可以选择使用或不使用教材或工具书。由于Python网络爬虫方面相关知识内容还在逐步演进，建议先使用课程提供的资料进行学习。

 

Q6：作为Python小白，刚刚接触这门语言，适合学习这个课程吗？

A6：

根据以往开课经验，如果没有Python基础，即使掌握有其他编程语言，也不建议直接学习本课程，因为课程节奏较快，很可能会跟不上。建议先学习嵩老师的"Python语言程序设计"课程（https://www.icourse163.org/course/BIT-268001），至少学过前4周，就可以学习本课程了。




Q7：该课程讲解的内容能爬取JavaScript的数据吗？

A7：

Requests库不支持对JavaScript数据的解析能力，这需要浏览器内核支持；Scrapy库是一个框架，也不直接支持对JavaScript数据的解析能力。本课程现行教学大纲是v2.1版本，所讲述内容不支持JavaScript内容解析，Request库和Scrapy是网络爬虫领域必学必会的内容。