【Python3 爬虫学习笔记】解析库的安装

抓取网页代码之后,下一步就是从页面中提取信息。提取信息的方式多种多样,可以使用正则来提取,但是写起来相对比较繁琐。还有许多强大的解析库,如lxml、Beautiful Soup、pyquery等。此外还提供了非常强大的解析方法,如XPath解析和CSS选择器解析等,利用它们,我们可以高效便捷地从网页中提取有效信息。

一、lxml的安装

lxml是Python的一个解析库,支持HTML和XML的解析,支持XPath解析方式,而且解析效率非常高。
1.相关链接

2.安装

pip3 install lxml

二、Beautiful Soup的安装

Beautiful Soup是Python的一个HTML或XML的解析库,我们可以用它来方便地从网页中提取数据。Beautiful Soup的HTML和XML解析器是依赖lxml库的,所以在此之前要确保已经成功安装lxml库。
pip安装

pip3 install beautifulsoup4

三、pyquery的安装

pyquery同样是一个强大的网页解析工具,它提供了和jQuery类似的语法来解析HTML文档,支持CSS选择器,使用非常方便。
pip安装

pip3 install pyquery

四、tesserocr的安装

在爬虫过程中,难免会遇到各种各样的验证码,而大多数验证码还是图形验证码,这时候我们可以直接用OCR来识别。

安装
在Windows下,首先需要下载tesseract,下载地址为:http://digi.bib.uni-mannheim.de/tesseract
下载完成后双击,勾选Addition language data选项来安装OCR识别支持的语言包,这样OCR边可以识别多国语言。
接下来,再安装tesserocr,使用pip安装:

pip3 install tesserocr pillow
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值