江苏龙网

  1. 主页 > 生活百科 > >

Python库大全

Python库


Python库大全

文章插图
 
学Python，想必大家都是从爬虫开始的吧 。毕竟网上类似的资源很丰富，开源项目也非常多 。
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：
1、查找域名对应的IP地址 。
2、向IP对应的服务器发送请求 。
3、服务器响应请求，发回网页内容 。
4、浏览器解析网页内容 。
网络爬虫要做的，简单来说，就是实现浏览器的功能 。通过指定url，直接返回给用户所需要的数据，而不需要一步步人工去操纵浏览器获取 。
抓取这一步，你要明确要得到的内容是什么？是html源码，还是Json格式的字符串等 。将得到内容逐一解析就好 。具体的如何解析，以及如何处理数据，文章后面提供了非常详细的且功能强大的开源库列表 。
当然了，爬去别人家的数据，很有可能会遭遇反爬虫机制的，怎么办？使用代理 。
适用情况：限制IP地址情况，也可解决由于“频繁点击”而需要输入验证码登陆的情况 。
这种情况最好的办法就是维护一个代理IP池，网上有很多免费的代理IP，良莠不齐，可以通过筛选找到能用的 。
对于“频繁点击”的情况，我们还可以通过限制爬虫访问网站的频率来避免被网站禁掉 。
有些网站会检查你是不是真的浏览器访问，还是机器自动访问的 。这种情况，加上User-Agent，表明你是浏览器访问即可 。有时还会检查是否带Referer信息还会检查你的Referer是否合法，一般再加上Referer 。也就是伪装成浏览器，或者反“反盗链” 。
对于网站有验证码的情况，我们有三种办法：
1、使用代理，更新IP 。
2、使用cookie登陆 。
3、验证码识别 。
接下来我们重点聊聊验证码识别 。这个python q-u-n 227--435---450就是小编期待大家一起交流讨论，各种入门资料啊，进阶资料啊，框架资料啊 免费领取
可以利用开源的Tesseract-OCR系统进行验证码图片的下载及识别，将识别的字符传到爬虫系统进行模拟登陆 。当然也可以将验证码图片上传到打码平台上进行识别 。如果不成功，可以再次更新验证码识别，直到成功为止 。
好了，爬虫就简单聊到这儿，有兴趣的朋友可以去网上搜索更详细的内容 。
文末附上本文重点：实用Python库大全 。
网络
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、极具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) 。
网络爬虫框架
grab – 网络爬虫框架（基于pycurl/multicur） 。
scrapy – 网络爬虫框架 。
pyspider – 一个强大的爬虫系统 。
cola – 一个分布式爬虫框架 。
HTML/XML解析器
lxml – C语言编写高效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 。
文本处理
用于解析和操作简单文本的库 。
difflib – （Python标准库）帮助进行差异化比较 。
Levenshtein – 快速计算Levenshtein距离和字符串相似度 。
fuzzywuzzy – 模糊字符串匹配 。
esmre – 正则表达式加速器 。
ftfy – 自动整理Unicode文本，减少碎片化 。
自然语言处理
处理人类语言问题的库 。
NLTK -编写Python程序来处理人类语言数据的最好平台 。
Pattern – Python的网络挖掘模块 。他有自然语言处理工具，机器学习以及其它 。
TextBlob – 为深入自然语言处理任务提供了一致的API 。是基于NLTK以及Pattern的巨人之肩上发展的 。
jieba – 中文分词工具 。


推荐阅读


上一篇：千日红花茶栽培技术介绍

下一篇：小种红茶初制工艺7道工序介绍