Python爬虫，必须会这几个库

joanchongzi7

    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。