不會Python的這幾個庫，我都不敢說會爬蟲
來源：JAVAandPython君
很多朋友不知道Python爬蟲怎麼入門，怎麼學習，到底要學習哪些內容。今天我來給大家說說學習爬蟲，我們必須掌握的一些第三方庫。
廢話不多說，直接上乾貨。
請求庫
1. requests
GitHub：https://github.com/psf/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，大家可以參考官方檔案：https://requests.readthedocs.io/en/master/
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'
複製程式碼2.urllib3
GitHub：https://github.com/urllib3/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'
>>> r.status
200
>>> r.data
'User-agent: *\nDisallow: /deny\n'
複製程式碼3.selenium
GitHub：https://github.com/SeleniumHQ/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
有關於Python語言如何去使用這個庫，大家可以去訪問https://seleniumhq.github.io/selenium/docs/api/py/ 檢視官方檔案
使用小案例：
from selenium import webdriver
browser = webdriver.Firefox()
browser.get('http://seleniumhq.org/')
複製程式碼4.aiohttp
GitHub：https://github.com/aio-libs/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。有關於aiohttp的詳細操作，可以去官方檔案：https://aiohttp.readthedocs.io/en/stable/
使用小案例：
import aiohttp
import asyncio
async def fetch(session, url):
with session.get(url) as response:
return await response.text()
main():
with aiohttp.ClientSession() as session:
html = await fetch(session,112); word-wrap: inherit !important; word-break: inherit !important;" class="hljs-string">'http://python.org')
print(html)
if __name__ == '__main__':
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
複製程式碼解析庫
1、beautifulsoup
官方檔案：https://www.crummy.com/software/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
GitHub：https://github.com/lxml/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
GitHub：https://github.com/gawel/pyquery
jQuery 的 Python 實現，能夠以 jQuery 的語法來操作解析 HTML 檔案，易用性和解析速度都很好。
資料儲存
1、pymysql
GitHub：https://github.com/PyMySQL/PyMySQL
官方檔案：https://pymysql.readthedocs.io/en/latest/
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
GitHub：https://github.com/mongodb/mongo-python-driver
官方檔案：https://api.mongodb.com/python/
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
使用方法：https://blog.csdn.net/zhwitbird/article/details/81279406
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；