不少朋友不知道 Python 爬蟲怎麼入門，怎麼學習，到底要學習哪些內容。html
今天我來給你們說說學習爬蟲，咱們必須掌握的一些第三方庫。
python
廢話很少說，直接上乾貨。mysql
1git
請求庫github
1. requests
web
GitHub：https://github.com/psf/requestsredis
requests庫應該是如今作爬蟲最火最實用的庫了，很是的人性化。
sql
有關於requests最詳細的使用方法，你們能夠參考官方文檔：https://requests.readthedocs.io/en/master/mongodb
使用小案例：數據庫
requestsr = requests.get('https://api.github.com/user', auth=('user', 'pass'))r.status_code200r.headers['content-type']'application/json; charset=utf8'r.encoding'utf-8'r.textu'{"type":"User"...'r.json(){u'disk_usage': 368627, u'private_gists': 484, ...}
2. urllib3
GitHub：https://github.com/urllib3/urllib3
urllib3是一個很是強大的http請求庫，提供一系列的操做URL的功能。
有關於它的詳細使用方法能夠參考：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.status200> r.data'User-agent: *\nDisallow: /deny\n'
3.selenium
GitHub：https://github.com/SeleniumHQ/selenium
自動化測試工具。一個調用瀏覽器的 driver，經過這個庫你能夠直接調用瀏覽器完成某些操做，好比輸入驗證碼。
對於這個庫並不是只是Python才能用，像JAVA、Python、C#等都可以使用selenium這個庫
有關於Python語言如何去使用這個庫，你們能夠去訪問https://seleniumhq.github.io/selenium/docs/api/py/ 查看官方文檔
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
基於 asyncio 實現的 HTTP 框架。異步操做藉助於 async/await 關鍵字，使用異步庫進行數據抓取，能夠大大提升效率。
這個屬於進階爬蟲時候必須掌握的異步庫。有關於aiohttp的詳細操做，能夠去官方文檔：https://aiohttp.readthedocs.io/en/stable/
使用小案例：
import aiohttpimport 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
解析庫
一、beautifulsoup
官方文檔：https://www.crummy.com/software/BeautifulSoup/
html 和 XML 的解析,從網頁中提取信息，同時擁有強大的API和多樣解析方式。一個我常常使用的解析庫，對於html的解析是很是的好用。對於寫爬蟲的人來講這也是必須掌握的庫。
二、lxml
GitHub：https://github.com/lxml/lxml
支持HTML和XML的解析，支持XPath解析方式，並且解析效率很是高。
三、pyquery
GitHub：https://github.com/gawel/pyquery
jQuery 的 Python 實現，可以以 jQuery 的語法來操做解析 HTML 文檔，易用性和解析速度都很好。
3
數據存儲庫
一、pymysql
GitHub：https://github.com/PyMySQL/PyMySQL
官方文檔：https://pymysql.readthedocs.io/en/latest/
一個純 Python 實現的 MySQL 客戶端操做庫。很是的實用、很是的簡單。
二、pymongo
GitHub：https://github.com/mongodb/mongo-python-driver
官方文檔：https://api.mongodb.com/python/
顧名思義，一個用於直接鏈接 mongodb 數據庫進行查詢操做的庫。
三、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，須要 ruby 環境，並且新版本的 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。
須要先安裝 ruby 的管理工具 rvm 安裝高版本的 ruby。
本文分享自微信公衆號 - AirPython（AirPython）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。