世界上80%的爬虫是基于Python开发的,学好爬虫技艺,可为后续的年夜数据剖析、发掘、机械学习等提供首要的数据源。
python爬虫需求装置相干库:
python爬虫触及的库:
申请库,解析库,存储库,对象库
1. 申请库:urllib/re/requests
(1) urllib/re是python默许自带的库,能够经过如下饬令进行验证:
不报错信息输入,阐明环境失常
(2) requests装置
2.1 关上CMD,输出
pip3 install requests
2.2 期待装置后,验证
(3) selenium装置(驱动阅读器进行网站拜访行为)
3.1 关上CMD,输出
pip3 install selenium
3.2 装置chromedriver
网址:https://npm.taobao.org/
把下载实现后的紧缩包解压,把exe放到D:\Python3.6.0\Scripts\
这个门路只需正在PATH变量中就能够
3.3 期待装置实现后,验证
回车后弹出chrome阅读器界面
3.4 装置其余阅读器
无界面阅读器phantomjs
下载网址:http://phantomjs.org/
下载实现后解压,把整个目次放到D:\Python3.6.0\Scripts\,把bin目次的门路增加到PATH变量
验证:
关上CMD
phantomjs console.log('phantomjs') CTRL+C python from selenium import webdriver driver = webdriver.PhantomJS() dirver.get('http://www.百度.com') driver.page_source
2. 解析库:
2.1 lxml (XPATH)
关上CMD
pip3 install lxml
或许从https://pypi.python.org下载,例如,lxml-4.1.1-cp36-cp36m-win_amd64.whl (md5) ,先下载whl文件
pip3 install 文件名.whl
2.2 beautifulsoup
关上CMD,需求先装置好lxml
pip3 install beautifulsoup4
验证
python from bs4 import BeautifulSoup soup = BeautifulSoup('<html></html>','lxml')
2.3 pyquery(相似jquery语法)
关上CMD
pip3 install pyquery
验证装置后果
python from pyquery import PyQuery as pq doc = pq('<html>hi</html>') result = doc('html').text() result
3. 存储库
3.1 pymysql(操作MySQL,关系型数据库)
装置:
pip3 install pymysql
装置后测试:
3.2 pymongo(操作MongoDB,key-value)
装置
pip3 install pymongo
验证
python import pymongo client = pymongo.MongoClient('localhost') db = client['testdb'] db['table'].insert({'name':'bob'}) db['table'].find_one({'name':'bob'})
3.3 redis(散布式爬虫,保护爬取行列步队)
装置:
pip3 install redis
验证:
4.对象库
4.1 flask(WEB库)
pip3 install flask
4.2 Django(散布式爬虫保护零碎)
pip3 install django
4.3 jupyter(运转正在网页真个记事本,支持markdown,能够正在网页上运转代码)
pip3 install jupyter
验证:
关上CMD
jupyter notebook
之后就能够正在网页间接创立记事本,代码块以及Markdown块,支持打印
【相干保举】
1. python爬虫库和相干利器
2. python爬虫入门教程
以上就是python爬虫需求装置甚么的具体内容,更多请存眷资源魔其它相干文章!
标签: Python python教程 python编程 python使用问题
抱歉,评论功能暂时关闭!