Python基础知识必备

来源：昆明达内教育IT培训机构时间：2020/8/7 11:52:45

　　Python学习网络爬虫主要分3个大的版块：抓取，分析，存储

　　当我们在浏览器中输入一个url后回车，后台会发生什么？

　　简单来说这段过程发生了以下四个步骤：

　　查找域名对应的IP地址。

　　向IP对应的服务器发送请求。

　　服务器响应请求，发回网页内容。

　　浏览器解析网页内容。

　　那么学习爬虫需要掌握哪些库呢

　　通用：

　　urllib -网络库(stdlib)。

　　requests -网络库。

　　grab – 网络库（基于pycurl）。

　　pycurl – 网络库（绑定libcurl）。

　　urllib3 – Python HTTP库，安全连接池、支持文件post、可用性高。

　　httplib2 – 网络库。

　　RoboBrowser – 一个简单的、Python风格的Python库，无需独立的浏览器即可浏览网页。

　　MechanicalSoup -一个与网站自动交互Python库。

　　mechanize -有状态、可编程的Web浏览库。

　　socket – 底层网络接口(stdlib)。

　　Unirest for Python – Unirest是一套可用于多种语言的轻量级的HTTP库。

　　hyper – Python的HTTP/2客户端。

　　PySocks – SocksiPy更新并积极维护的版本，包括错误修复和一些其他的特征。作为socket模块的直接替换。

　　网络爬虫框架

　　功能齐全的爬虫

　　grab – 网络爬虫框架（基于pycurl/multicur）

　　scrapy – 网络爬虫框架（基于twisted），不支持Python3。

　　pyspider – 一个强大的爬虫系统。

　　cola – 一个分布式爬虫框架。

　　其他

　　portia – 基于Scrapy的可视化爬虫。

　　restkit – Python的HTTP资源工具包。它可以让你轻松地访问HTTP资源，并围绕它建立的对象。

　　demiurge – 基于PyQuery的爬虫微框架。

　　通用

　　lxml – C语言编写HTML/ XML处理库。支持XPath。

　　cssselect – 解析DOM树和CSS选择器。

　　pyquery – 解析DOM树和jQuery选择器。

　　BeautifulSoup – 低效HTML/ XML处理库，纯Python实现。

　　html5lib – 根据WHATWG规范生成HTML/ XML文档的DOM。该规范被用在现在所有的浏览器上。

　　feedparser – 解析RSS/ATOM feeds。

　　MarkupSafe – 为XML/HTML/XHTML提供了安全转义的字符串。

　　xmltodict – 一个可以让你在处理XML时感觉像在处理JSON一样的Python模块。

　　xhtml2pdf – 将HTML/CSS转换为PDF。

　　untangle – 轻松实现将XML文件转换为Python对象。

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3172/news/234250/违者必究！ 以上就是昆明达内教育IT培训机构 小编为您整理 Python基础知识必备的全部内容。