python3爬虫教程
爬取猫眼top100电影
简述：
利用requests和简单的正则表达式进行数据的爬取，并利用multiprocessing.Pool线程池加快速度
爬取头条街拍图片
简述：
利用requests的session特性进行爬取，同时添加headers防止网站反爬，并把数据存储进mongoDB
问题1：
爬取返回数据`<html><body></body></html>`, 并不是正确的数据
解决:
利用requests.session(), 添加头信息headers的user-Agent, 替换之前的直接的requests请求
问题2:
头条图片的js格式出现改变
解决:
图片正则表达式:
```
images_pattern = re.compile('gallery: JSON.parse\("(.*?)"\),', re.S)
result = re.search(images_pattern, html)
data = json.loads(result.group(1).replace('\\', ''))
```
爬取淘宝美食
简述：
利用selenium+chrome自动爬取淘宝美食，并利用pyquery分析数据，存入mongodb
改进:
利用chrome新特性headless进行后台爬取
```
options = webdriver.ChromeOptions()
options.add_argument('headless')
browser = webdriver.Chrome(chrome_options=options)
```
代理池
简述：
ip代理池，防止网站反爬设置代理池
文件：
api.py: flask api 对外接口，获取proxy ip
conf.py: 代理设置文件
db.py: redis数据库操作
getter.py: 获取代理IP
spider.py: 代理handler设置
schedule.py: 调度器，调度getter和validator
utils.py: 工具函数
validator.py: 验证代理是否可用
爬取微信文章
错误：
Error Occurred
(MaxRetryError("HTTPConnectionPool(host='180.118.86.57', port=9000):
Max retries exceeded with url: http://weixin.sogou.com/weixin?query=%E9%A3%8E%E6%99%AF&page=1&type=2
(Caused by ProxyError('Cannot connect to proxy.', NewConnectionError('<urllib3.connection.HTTPConnection
object at 0x7f0040885470>: Failed to establish a new connection: [Errno 111] Connection refused',)))",),)
原因：
因为在每次数据传输前客户端要和服务器建立TCP连接，为节省传输消耗，
默认为keep-alive，即连接一次，传输多次，然而在多次访问后不能结束并回到连接池中，导致不能产生新的连接
解决：
headers中的Connection默认为keep-alive，
将header中的Connection一项置为close
```
headers = {
'Connection': 'close',
}
r = requests.get(url, headers=headers)
```
scrapy 入门：
问题：
```
from quotetutrial.quotetutrial.items import QuoteItem
ImportError: No module named 'quotetutrial.quotetutrial'
```
解决：
需要从项目中引入，不是目录
```
from quotetutrial.items import QuoteItem
```
scrapy 爬取知乎用户信息
问题：
知乎的api改变了，重新设置一下获取的api接口
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent