爬蟲的編程語言有不少,但 Python 絕對是其中的主流之一。下面就為大家介紹下 Python 在編寫網絡爬蟲常常用到的一些庫。

請求庫：實現 HTTP 請求操作

• **urllib：**一系列用于操作URL的功能。
• **requests：**基于 urllib 編寫的，阻塞式 HTTP 請求庫，發出一個請求，一直等待服務器響應后，程序才能進行下一步處理。
• **selenium：**自動化測試工具。一個調用瀏覽器的 driver，通過這個庫你可以直接調用瀏覽器完成某些操作，比如輸入驗證碼。
• **aiohttp：**基于 asyncio 實現的 HTTP 框架。異步操作借助于 async/await 關鍵字，使用異步庫進行數據抓取，可以大大提高效率。

解析庫：從網頁中提取信息

• **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。
• **pyquery：**jQuery 的 Python 實現，能夠以 jQuery 的語法來操作解析 HTML 文檔，易用性和解析速度都很好。
• **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。
• **tesserocr：**一個 OCR 庫，在遇到驗證碼（圖形驗證碼為主）的時候，可直接用 OCR 進行識別。

存儲庫：Python 與數據庫交互

• **pymysql：**一個純 Python 實現的 MySQL 客戶端操作庫。
• **pymongo：**一個用于直接連接 mongodb 數據庫進行查詢操作的庫。
• **redisdump：**一個用于 redis 數據導入/導出的工具。基于 ruby 實現的，因此使用它，需要先安裝 Ruby。

爬蟲框架

• **Scrapy：**很強大的爬蟲框架，可以滿足簡單的頁面爬取（比如可以明確獲知url pattern的情況）。用這個框架可以輕松爬下來如亞馬遜商品信息之類的數據。但是對于稍微復雜一點的頁面，如 weibo 的頁面信息，這個框架就滿足不了需求了。
• **Crawley：**高速爬取對應網站的內容，支持關系和非關系數據庫，數據可以導出為 JSON、XML 等。
• **Portia：**可視化爬取網頁內容。
• **newspaper：**提取新聞、文章以及內容分析。
• **python-goose：**java 寫的文章提取工具。
• **cola：**一個分布式爬蟲框架。項目整體設計有點糟，模塊間耦合度較高。

Web 框架庫

• **flask：**輕量級的 web 服務程序，簡單，易用，靈活，主要來做一些 API 服務。做代理時可能會用到。
• **django：**一個 web 服務器框架，提供了一個完整的后臺管理，引擎、接口等，使用它可做一個完整網站。

---

相關推薦：

• 80個Python練手項目列表
• 使用 Python 批量爬取網站信息
• 這么多人推崇Python，如果他們學了找不到工作怎么辦？
• 常見數據結構的 Python 實現（建議收藏）
• 快速入門 Python 數據分析實用指南
• [新手必備]Python 基礎入門必學知識點筆記

總結

以上是生活随笔為你收集整理的Python 网络爬虫的常用库汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。