有什么学习Python的网站
其实python非常适合初学者入门。相比较其他不少主流编程语言，有更好的可读性，因此上手相对容易。自带的各种模块加上丰富的第三方模块，免去了很多“重复造轮子”的工作，可以更快地写出东西。配置开发环境也不是很复杂，mac和linux都内置了python。
如果想学习python的话，最重要的是有一套比较好的学习教程，可以提高学习效率。可以按照黑马程序员总结的这一套学习路线图来学习。
一、python入门
首先要入门，了解python都有哪些知识点。
以上的知识点可以按照这个教程来学习：http://pan.baidu.com/s/1miwZ1WW
学完这些知识点，基本就可以入门教程。最后的飞机大战项目很实用，通过使用学习过的基础知识开发出这个经典的游戏，会大大提升你学习的信心！
然后在学习一下，8天深入理解python教程：http://pan.baidu.com/s/1kVNmOar
此教程，让你对python有更深入的理解！
接下来可以学习一些框架，比如Scrapy，Django
Scrapy视频教程：http://pan.baidu.com/s/1dF3qhFV
Django框架教程：http://pan.baidu.com/s/1nvFlfU5
史上最详细python爬虫入门教程
一、Python爬虫入门：1、Python编程基础：若没有掌握Python编程基础，则建议先学习Python基础知识，掌握一些常用库（如urllib、requests、BeautifulSoup、selenium等），掌握Python基础语法，学习函数、容器、类、文件读写等常用概念。2、抓取网页流程：确定爬取的页面和请求时的Headers，构建一个可能的请求；进行内容抓取，要注意上一步传入的请求是否作为参数传递；根据不同的URL或字段的值，进行不同的操作，如解析HTML，提取大字符串；根据抓取结果，给出不同的操作，可以在同一个爬虫中完成多项多重任务；完成自己想要的任务，如把爬取结果存储到MySQL服务器或向服务器发送指令。3、反爬（Anti-crawling）技术：抓取网站内容时，难免会遇到反爬（anti-crawling）技术，一般来说，分为以下几种：（1）验证码：当爬虫抓取太频繁时，有的网站会要求用户输入验证码，以保证爬虫的页面访问不被封杀。（2）User-agent：有的网站会根据浏览器的User-agent字段检测，以保证浏览器的访问不被封杀，因此可以在请求中加入多个不同的User-agent，用以平衡爬虫的访问频率。（3）爬虫技术：爬虫可以通过模拟浏览器的行为，自动化完成抓取网页内容，目前最常见的抓取技术是基于Python或Javascript构建，通过selenium、Mechanize等浏览器模拟技术，可以有效抓取动态网页内容。4、分析取得的数据：获取网页的过程只是爬虫的第一步，真正有用的信息在隐藏在抓取的页面数据，需要根据正则表达式和XPath来提取，结合各种解析库可以实现自动化提取所需信息，并将其存储到数据库当中，以供后续使用。
零基础小白如何在最短的时间快速入门python爬虫
答：本文邀请feifan来回答，他总结了使用python自带库完成爬虫的方法，并且列出了爬虫在实际中可能遇到的几个问题，教会你零基础入门python爬虫~
此处的爬虫并不是百度或者google这样需要沿着某条路径采集互联网上所有信息的机器人，而是针对某个特定的网页，从中提取出我们需要的信息。比如我们在中关村上查到了一台手机的详情页，想把其中的cpu信息、操作系统、分辨率等等字段提出出来。即此处的爬虫是指针对特定网页结构、规模很小、抓取路径收敛的情况而言。下文我们以一个实例，看看如何从头写一个python爬虫。
抓取页面基本方法浏览器中看到的页面，实际上是通过一系列的http请求加载并渲染服务器的资源。同理只要我们能够用python发出http请求，通过get或post的方法获得服务器返回的html片段、html页面或json数据串，就可以从中抓取到想要的内容。
python中对http请求的封装是在urllib和urllib2两个库里。
urllib提供了一些工具方法，用于对发送请求时的字符串进行转义或编码。
发送get/post请求则需要用到urllib2中提供的几个类
在掌握了如何在python中构造http请求后，下一步需要做的就是结合具体的网页，分析出web页面的请求方式、参数传递方式和必要的header信息（如cookie等）。chrome控制台的network分析基本上可以满足需求，但一款抓包利器无疑可以提升我们的效率。推荐使用fiddler进行抓包和解包，可以更清晰第看到http中所用的不同请求方式。
字符串查找、正则表达式、html解析http请求的response通常包含两种：json字符串，或html代码片段，信息的提取就转变成了字符串处理。此时无论是通过字符串查找、正则表达式匹配，只要能定位到目标字段即可。
但更好的方法是对html的Dom树进行解析，尤其是存在多个目标字段需要抓取时，解析html的方式能够对特殊格式的字段信息进行批量解析。
这里使用python自带的htmlparser进行解析，htmlparser对html片段进行深度优先的遍历，在遍历的过程中可以识别出开始标签、结束标签和标签中的内容，因此提供了一种基于标签tag的编程方式。看下面的例子
需要提取手机的操作系统、核心数、cpu型号等信息，根据html的标签、属性名称，代码如下：
针对中关村上的某个手机详细
handle_data可以提取html标签中的数据，但handle_data存在两个问题。
（1）当标签内容为空时，handle_data自动跳过该标签。这里的标签为空是指标签中不包含任意字符串内容、不包含其他的子标签。注意，当标签中含有&nb等空白字符串时，handle_data可以解析出其中的data。比如以下结构中，电话号码一列允许为空，通过html_parser解析后只得到4个<td>的标签内容。
由于会跳过内容为空的标签的解析，就会打乱html的结构，由于数据的缺失返回的list长度不定，导致无法将list中每项内容与html中的内容对应起来。
（2）标签中包含子标签时，内容会被分割到不同的handle_data函数中，比如
由于handle_data是针对每个标签返回数据，以上的td里包含了一个span子标签，handle_data分为2次返回数据。即第一次调用handle_data返回状态：，第二次调用handle_data返回已拒绝。我们希望<td>标签中的内容作为整体返回，而现在被分割成了两块，同样会破坏结构。
解决以上两个问题的关键方法在于，使用cache缓存字符串，把对数据的处理从handle_data推迟到handle_endtag。只有遇到end_tag时，才能确定标签闭合，使数据完整。
爬虫被屏蔽后怎么办服务器会通过一些策略屏蔽恶意爬虫，以避免对服务器资源的消耗，如检查同一IP的访问频率、访问间隔等。
所以我们也应该使用一些简单策略，使我们的爬虫看起来更像是人的行为，以绕开服务器的检测机制。常用的方法包括延长相邻请求的间隔，相邻间隔使用随机时长。
在请求的header字段中包含了user-agent字段，服务器通过检测user-agent字段确定客户端的类型。如果不指定user-agent字段，请求时脚本会默认填充该字段，如下图
#python中默认的user-agent字段
网上有一些说法user-agent的值会影响爬虫是否能够抓取web内容，为了避免爬虫被屏蔽，将user-agent的值设为浏览器的类型：Mozilla/5.0(WindowsNT6.1;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/55.0.2883.87Safari/537.36
但在实际抓取的几个web站点中，user-agent的值对爬虫被屏蔽没有影响，在使用时不用刻意设置user-agent的值。
以上的方法都是避免爬虫被屏蔽掉。但万一很不幸爬虫已经被屏蔽了，发出请求返回的结果是输入验证码的页面，此时该如何解决呢？
对于支持https协议的站点，此时可以尝试的一种方案是：改用https协议。
项目中遇到爬虫被百度屏蔽的现象，尝试了很多方法都无效。后来将原来链接中的http协议换成https爬虫又开始工作了。原理虽然不清楚，但简单可行。
带验证码的登录很多web内容只有在登录后才有权限访问，服务器通过创建session并下发sessionid来维持与客户端的链接状态。客户端在每次发送请求时，都在cookie中携带sessionid等字段信息。sessionid是无法复用的，也即在浏览器中登录后所获得的sessionid直接拿到python脚本中使用，返回的结果仍然是跳转到登录页面的。因为通过http下发的sessionid是捆绑到端口号的，也就是与服务器维持通信的是客户端上的某个进程，把浏览器中的sessionid拿到python脚本中，由于更换了进程sessionid当然失效了。
既然无法绕开登录，我们就在python脚本中完成登录的过程，拿到登录后返回的cookie、sessinoid等。这里有两个难点需要解决，1）服务器登录逻辑的分析与猜测；2）解决登录时存在的验证码识别问题。
登录除了需要post提交用户名、密码和sessionid之外，通常也会隐式提交部分参数，可以用chrome浏览器的调试模式查看post提交的参数及对应的值，登录成功之后，我们就可以拿到返回的cookie值了。
登录时的验证码可以通过OCR自动识别，尝试了google的tesseract-ocr准确率并不高。所以推荐手动输入验证码，帮助爬虫完成登录，毕竟授权只需要一次输入。
手动输入验证码的思路如下，在请求sessionid的同时保存验证码的图片，人工读取验证码的内容，与username和password一起提交。示例代码如下：
需要抓取javascript加载的结果详细参考外部链接：https://impythonist.wordpress.com/2015/01/06/ultimate-guide-for-scraping-javascript-rendered-web-pages/
这篇文章中的思路是，通过使用webkitlibrary建立本地的javascript执行环境，模拟浏览器对页面的加载渲染，从而抓取javascript处理后的页面内容。
这个例子中javascript所加载的结果，也是通过ajax重新向服务器发起请求返回的，直接发送ajax请求并抓取结果即可。在本地搭建javascript的执行环境有些画蛇添足，但也是一种可以参考的思路。
本文总结了使用python自带库完成爬虫的方法，并且列出了爬虫在实际中可能遇到的几个问题，比如爬虫被屏蔽、需要输入验证码进行登录等。实践中的难点在于分析和猜测服务器的登录逻辑，并且提取必需的参数完成登录鉴权。
python零基础入门教程书籍推荐
如果你是零基础学习Python，我推荐《Python编程从入门到实践》和《Python基础教程》这两本书。《Python编程从入门到实践》适合初学者，它通过实际项目帮助你学习Python的基础知识和应用。
《Python基础教程》则更加详细地介绍了Python的语法和常用库，适合深入学习。此外，还有《Python核心编程》和《流畅的Python》等经典教材，它们提供了更深入的Python知识和高级技巧。选择适合自己的教材，结合实践和练习，可以帮助你快速入门Python编程。
零基础，Python如何入门
自学非常重要的一件事情就是要有一个整体的学习路线图，知道自己下一步该如何做！
黑马程序员Python学习路线图：Python职业生涯规划Python各阶段获得技能说明
第一阶段：Python基础编程配套学习视频：
Python入门教程完整版（懂中文就能学会）
第二阶段：Html5+Css3由浅入深教程
第三阶段：Python进阶之Django框架
Django搭建垃圾分类论坛
python实战项目从0开发一个Django博客系统
第四阶段：nginx之项目部署实战
技术干货-LinuxShell精通教程
IT技术圈的虚拟化容器化技术之Docker
第五阶段：第六阶段：Python爬虫数据挖掘基础教程
第七阶段：第八阶段：Python3天快速入门机器学习项目
关于学习视频：可关注“传智播客官方账号”头条号，私信“Python”获取
如何才能学好python编程，零基础
我们都知道：
Python是目前公认最简单的编程语言，也知道Python是一门非常强大的语言，我们还知道Python是一门未来的编程语言，适用于大数据、人工智能等领域。
0基础学编程首先，来聊一个话题，0基础学习编程难不难？
答案就是：不难，一点都不难！
学习编程，从来不是一件难的事情，关键看你学习哪一门编程！
比如你从Python开始学习，那么就不难，因为Pyhthon语法简单，使用过程，类似给你一堆乐高积木，然后你自己搭建自己想要的房子，或者桥梁，或者汽车。
想想，是不是就觉得很简单啊！
Python入门Python是一门强大的语言，虽然大家都觉得入门简单，但是这门语言就是这么牛逼，入门简单还牛逼。
这也是w3cschool为什么大力推崇这门编程语言的原因。
而且近几年Python这门语言越来越火爆，很多高薪公司都招这个岗位，工资也水涨船高。
愿意是Python非常适合处理人工智能、大数据、机器人等未来的科学领域。
那么要如何入门？
先科普一个简单的概念：目前互联网上的免费课程，足够让你成为一个合格的程序员！
请各位小伙伴务必记住这点！
教程先自吹自擂一下自己！请去学习w3cschool上面的Python教程！这是非常基础的教程，全部免费观看。
在你看完后，打算与实践结合，那么可以考虑实施w3cschool上面的Python的编程微课和编程实战，边玩边学习。
接着就是视频！
可以去慕课网观看视频，并且同时去菜鸟教程上面观看实例，这两步都不能少！
特别是菜鸟教程上面的实例，非常重要，因为学编程无非两招：多写代码、多看别人的代码。
以上，w3cschool敬上！来，点个赞吧~
