学习路径
最小可用路径（MVP · 约 3 小时）
0% 已掌握
本文基于模型知识整理。前置知识：Python 基础、HTML 直觉（见 00-overview.md，不属于本库展开范围）。
阶段一 · 入门（第 1 周）
建立「网页数据从哪来、长什么样、能不能采」的完整直觉。
- kp-001 爬虫全景与发展简史
- kp-002 HTTP 协议基础
- kp-003 HTML/DOM 与 CSS 选择器思维
- kp-004 抓取边界：Robots、法律与伦理（先于一切编码动作阅读）
- kp-005 Python 爬虫工具链与环境搭建
阶段二 · 核心静态抓取（第 2 周）
能独立抓完一个静态站点并落库。
- kp-006 requests 与会话管理
- kp-007 BeautifulSoup 与 lxml 解析
- kp-008 XPath 与选择器进阶
- kp-009 结构化数据抽取：JSON 接口
- kp-010 分页、列表与详情页采集模式
- kp-011 数据清洗与持久化
阶段三 · 动态与工程化（第 3–4 周）
面对真实商业站点（渲染、反爬、规模化）。
- kp-012 动态渲染识别 → kp-013 浏览器自动化 → kp-014 抓包分析
- kp-016 反爬机制全景 → kp-017 礼貌抓取（kp-015 接口逆向为选修进阶）
- kp-018 Scrapy → kp-019 异步 → kp-020 代理池 → kp-021 调度去重 → kp-022 分布式 → kp-023 监控
阶段四 · 数据挖掘（第 5 周）
让采到的数据产生价值。
- kp-024 管线与指标 → kp-025 数据质量
- kp-026 文本挖掘（TF-IDF）→ kp-027 时序价格 → kp-028 聚类关联 → kp-029 可视化
- 案例串讲：kp-030 电商 → kp-031 舆情 → kp-032 公开数据 → kp-033 工作流
阶段五 · 前沿选修（第 6 周起）
- kp-034 验证码 → kp-035 指纹 → kp-036 云原生 → kp-037 LLM 抽取
最小可用路径（MVP）
kp-001 → kp-002 → kp-003 → kp-005 → kp-006 → kp-007
→ kp-010 → kp-011 → kp-024 → kp-03010 个知识点即可完成「目标 → 抓取 → 入库 → 电商分析案例」的最小闭环，约 3 小时学习 + 半天练习。学完 MVP 再回头补动态与工程化内容。
节奏建议
- 每篇预计 15–30 分钟，学完立即在练习站（books.toscrape.com / quotes.toscrape.com / httpbin.org）上跑一遍代码。
- 每阶段结束做一次「自测题回顾」：把该阶段各篇的自测题重做一遍，答错的回读对应机制小节。