想学爬虫，但是只会Python的基础，有没有大佬推荐一下书籍啊？

爬虫是一门可难可简单的技术。你的最终目标是用爬虫。我来讲讲学习爬虫需要经历哪些步骤以及对应需要学习的知识，我这里找的都是简化版资料，如果要复杂的也有，可以私信推荐：

假设现在要写一个的爬虫，粗略估计，常规步骤大概可分为四步:

根据需求寻找数据网址， 如何找到数据地址，会用到一些工具，比如浏览器提供的调式工具（按F12就会弹出）以及一些代理工具，如windows下的fiddler、mac下的charles。同时在这个过程中我们最好了解一些http的知识；

浏览器的调式工具我们重点关注的是其中的 "网络"或称为 "network"的tab。

关于代理是什么，可以来看看百度百科里面对代理服务一句多么简洁的解释：

fiddler工具的使用在慕课网上有个免费的视频，可以去看看：

http的介绍就看w3cschool吧，它为我们提供的http教程如下：

从网络获取原始数据，怎么使用python提供的网页下载器，比如urllib（该包在python2和3下使用方式不同），requests（推荐，使用很人性）；

requests推荐这篇快速上手，官网资料。如果要了解更多，可以把其他章节也读完：

urllib，建议暂时可以不用学了，把requests用好就好。

注意：要用好这个包，我们还需要知道一些http在web编程方面的知识，比如登录态是怎么保存的（session和cookie这类问题），怎么配置请求等。这方面知识很多时候会与反爬有关，相对比较复杂，现在不说了，有兴趣可以自己去了解。

从原始内容中解析数据， 经过上面的步骤，已经拿到网页数据。下面就是解析，解析数据之前要首先知道下载到的是什么格式数据。常见的格式有：html（xml）、json、csv，excel、某种规则的字符串；

HTML的解析常见的有xpath或css两种方式，python中lxml包为我们提供了这个功能。贴一个我之前回答过的问题：

w3c的xpath教程：

json的解析就非常简单了，使用python自带的json库即可解析数据。关于什么是json，可以看下面的文章，个人认为w3c的文章适合入门：

比如，下面这个例子：

body = '{"name": "poloxue"}'
json.loads(body)

即可将数据解析出来。

csv呢？称为逗号分隔值的一种格式，比如字符串 'poloxue,23'，我们需要约定第一个值是姓名，第二个值是年龄。简单的解析，我们可以直接使用python的split方法，也可以参考下面这篇文章：

将抓取的数据保存进库，在我们把数据都处理好之后，就可以入库了。入库之前需要先明白我们要入的是什么库，可以是普通的文件或一些特殊格式的文件，如csv、hdf5等，或者某些关系型数据库。

csv是什么已经介绍过了。关于怎么写入csv文件上面的文章也有介绍。

hdf5是用于存储和分发科学数据的一种自我描述、多对象文件格式。HDF 是由美国国家超级计算应用中心（NCSA）创建的，听着挺牛。它的压缩率可以很高。

文档发个官网英文版：

关系型数据就不介绍了，挺重的，当前可不用着急了解，因为要学的东西有点多。如果有兴趣可以去了解下sqlite，小型本地的关系型数据库，安装简单，数据存放在本地且支持sql语句。

如果了解sql使用的话，可以直接看这篇：

否则先去学习一下怎么安装和使用：

好了，就说这么多吧。资料都是随手找的，应该都比较适合上手。当然也可以去网上找一些视频课程学习一下，如果找对了课程，上手就会比较快。

最后，想继续深入学习，可以在去看看scrapy框架，重点是了解它的设计思想，在我看来，现在的很多爬虫框架的设计思想都大同小异。还有要把之前学的不扎实知识再巩固一些，做到知其然且知其所以然。这样有利于之后清晰的了解反爬的机制，并帮助我们找出破解反爬的方法。