Python库大全

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：

• 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、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)。

• 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。