为你推荐
内容简介
前言
第1章 技术基础
1.1 第一个程序
1.2 准备开发环境
1.3 类和对象
1.4 常量
1.5 命名规范
1.6 基本语法
1.7 条件判断
1.8 循环
1.9 数组
1.10 位运算
1.11 枚举类型
1.12 比较器
1.13 方法
1.14 集合类
1.15 文件
1.16 多线程
1.17 折半查找
1.18 处理图片
1.19 本章小结
第2章 网络爬虫入门
2.1 获取信息
2.2 各种网络爬虫
2.3 爬虫相关协议
2.4 爬虫架构
2.5 自己写网络爬虫
2.6 URL地址查新
2.7 部署爬虫
2.8 本章小结
第3章 定向采集
3.1 下载网页的基本方法
3.2 HTTP基础
3.3 使用HttpClient下载网页
3.4 下载网络资源
3.5 PhantomJS
3.6 Selenium
3.7 信息过滤
3.8 采集新闻
3.9 遍历信息
3.10 并行抓取
3.11 分布式爬虫
3.12 增量抓取
3.13 管理界面
3.14 本章小结
第4章 数据存储
4.1 存储提取内容
4.2 HBase
4.3 Web图
4.4 本章小结
第5章 信息提取
5.1 从文本提取信息
5.2 从HTML文件中提取文本
5.3 RSS
5.4 网页去噪
5.5 从非HTML文件中提取文本
5.6 提取标题
5.7 图像的OCR识别
5.8 提取地域信息
5.9 提取新闻
5.10 流媒体内容提取
5.11 内容纠错
5.12 术语
5.13 本章小结
第6章 Crawler4j
6.1 使用Crawler4j
6.2 crawler4j原理
6.3 本章小结
第7章 网页排重
7.1 语义指纹
7.2 SimHash
7.3 分布式文档排重
7.4 本章小结
第8章 网页分类
8.1 关键词加权法
8.2 机器学习的分类方法
8.3 本章小结
第9章 案例分析
9.1 金融爬虫
9.2 商品搜索
9.3 自动化行业采集
9.4 社会化信息采集
9.5 微博爬虫
9.6 微信爬虫
9.7 海关数据
9.8 医药数据
9.9 本章小结
后记
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
