本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯絡我們以作處理

以下文章來源於騰訊雲 作者：python學習教程

( 想要學習Python？Python學習交流群：1039649593，滿足你的需求，資料都已經上傳群檔案流，可以自行下載！還有海量最新2020python學習資料。 )

1 請求庫

1.requests

requests庫應該是現在做爬蟲最火最實用的庫了，非常的人性化。有關於它的使用我之前也寫過一篇文章 一起看看Python之Requests庫 ，大家可以去看一下。

有關於requests最詳細的使用方法，大家可以參考官方文件：https://requests.readthedocs.io/en/master/

使用小案例：

>>> import requests
>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
>>> r.status_code
200
>>> r.headers['content-type']
'application/json; charset=utf8'
>>> r.encoding
'utf-8'
>>> r.text
u'{"type":"User"...'
>>> r.json()
{u
 
'disk_usage': 368627, u'private_gists': 484, ...}

2.urllib3

urllib3是一個非常強大的http請求庫，提供一系列的操作URL的功能。

有關於它的詳細使用方法可以參考：https://urllib3.readthedocs.io/en/latest/

使用小案例：

>>> import urllib3
>>> http = urllib3.PoolManager()
>>> r = http.request('GET', 'http://httpbin.org/robots.txt
 
')
>>> r.status
200
>>> r.data
'User-agent: *\nDisallow: /deny\n'

3.selenium

自動化測試工具。一個呼叫瀏覽器的 driver，通過這個庫你可以直接呼叫瀏覽器完成某些操作，比如輸入驗證碼。

對於這個庫並非只是Python才能用，像JAVA、Python、C#等都能夠使用selenium這個庫

使用小案例：

from selenium import webdriver

browser = webdriver.Firefox()
browser.get('http://seleniumhq.org/'

4.aiohttp

基於 asyncio 實現的 HTTP 框架。非同步操作藉助於 async/await 關鍵字，使用非同步庫進行資料抓取，可以大大提高效率。

這個屬於進階爬蟲時候必須掌握的非同步庫。
使用小案例：

import aiohttp
import asyncio

async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()

async def main():
    async with aiohttp.ClientSession() as session:
        html = await fetch(session, 'http://python.org')
        print(html)

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())

二、解析庫

1.beautifulsoup

html 和 XML 的解析,從網頁中提取資訊，同時擁有強大的API和多樣解析方式。一個我經常使用的解析庫，對於html的解析是非常的好用。對於寫爬蟲的人來說這也是必須掌握的庫。

2.lxml

支援HTML和XML的解析，支援XPath解析方式，而且解析效率非常高。

3.pyquery

jQuery 的 Python 實現，能夠以 jQuery 的語法來操作解析 HTML 文件，易用性和解析速度都很好。

三、資料儲存庫

1、pymysql

一個純 Python 實現的 MySQL 客戶端操作庫。非常的實用、非常的簡單。

2、pymongo

顧名思義，一個用於直接連線 mongodb 資料庫進行查詢操作的庫。

3、redisdump

redis-dump是將redis和json互轉的工具；redis-dump是基於ruby開發，需要ruby環境，而且新版本的redis-dump要求2.2.2以上的ruby版本，centos中yum只能安裝2.0版本的ruby。需要先安裝ruby的管理工具rvm安裝高版本的ruby；