重要的几个库，Python爬虫

1.请求库

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, …}

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。

资源搜索网站大全 https://www.renrenfan.com.cn