不会这几个库,都不敢说我会Python爬虫

发表于:2019-10-10 10:35

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:JAP君    来源:JAVAandPython君

#
Python
分享:
  很多朋友不知道Python爬虫怎么入门,怎么学习,到底要学习哪些内容。今天我来给大家说说学习爬虫,我们必须掌握的一些第三方库。
  废话不多说,直接上干货。
  1.请求库
  1. requests
  GitHub:https://github.com/psf/requests
  requests库应该是现在做爬虫最火最实用的库了,非常的人性化。有关于它的使用我之前也写过一篇文章 一起看看Python之Requests库 ,大家可以去看一下。
  有关于requests最详细的使用方法,大家可以参考官方文档: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
  GitHub:https://github.com/urllib3/urllib3
  urllib3是一个非常强大的http请求库,提供一系列的操作URL的功能。
  有关于它的详细使用方法可以参考: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
  GitHub:https://github.com/SeleniumHQ/selenium
  自动化测试工具。一个调用浏览器的 driver,通过这个库你可以直接调用浏览器完成某些操作,比如输入验证码。
  对于这个库并非只是Python才能用,像JAVA、Python、C#等都能够使用selenium这个库
  有关于Python语言如何去使用这个库,大家可以去访问https://seleniumhq.github.io/selenium/docs/api/py/ 查看官方文档
  使用小案例:
   from selenium import webdriver
  browser = webdriver.Firefox()
  browser.get('http://seleniumhq.org/')
  4.aiohttp
  GitHub:https://github.com/aio-libs/aiohttp
  基于 asyncio 实现的 HTTP 框架。异步操作借助于 async/await 关键字,使用异步库进行数据抓取,可以大大提高效率。
  这个属于进阶爬虫时候必须掌握的异步库。有关于aiohttp的详细操作,可以去官方文档:https://aiohttp.readthedocs.io/en/stable/
  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())
  2 解析库
  1、beautifulsoup
  官方文档:https://www.crummy.com/software/BeautifulSoup/
  html 和 XML 的解析,从网页中提取信息,同时拥有强大的API和多样解析方式。一个我经常使用的解析库,对于html的解析是非常的好用。对于写爬虫的人来说这也是必须掌握的库。
  2、lxml
  GitHub:https://github.com/lxml/lxml
  支持HTML和XML的解析,支持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 实现,能够以 jQuery 的语法来操作解析 HTML 文档,易用性和解析速度都很好。
  3. 数据存储库
  1、pymysql
  GitHub:https://github.com/PyMySQL/PyMySQL
  官方文档:https://pymysql.readthedocs.io/en/latest/
  一个纯 Python 实现的 MySQL 客户端操作库。非常的实用、非常的简单。
  2、pymongo
  GitHub:https://github.com/mongodb/mongo-python-driver
  官方文档:https://api.mongodb.com/python/
  顾名思义,一个用于直接连接 mongodb 数据库进行查询操作的库。
  3、redisdump
  使用方法:https://blog.csdn.net/zhwitbird/article/details/81279406
  redis-dump是将redis和json互转的工具;redis-dump是基于ruby开发,需要ruby环境,而且新版本的redis-dump要求2.2.2以上的ruby版本,centos中yum只能安装2.0版本的ruby。需要先安装ruby的管理工具rvm安装高版本的ruby。

      本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号