156个Python网络爬虫资源，妈妈再也不用担心你找不到资源！_爬虫 csdn资源

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

• python-nameparser - 姓名解析组件

电话号码

• phonenumbers - 处理、格式化、存储、验证全球电话号码

用户代理字符串

• python-user-agents - 浏览器用户代理解析器
• HTTP Agent Parser - Python HTTP代理解析器
• fake-useragent - 基于全球浏览器统计的Python用户代理欺骗器
• user_agent - 用户代理数据生成器

---

特殊格式处理

处理特编辑特殊字符格式的库

通用

• tablib - 处理XLS, CSV, JSON, YAML等表格数据的库
• textract - 从任何文档中提取文本，支持Word, PowerPoint, PDF等
• messytables - 杂乱的表格数据解析
• rows - 支持多种格式的通用且美观的表格数据处理器(现有CSV, HTML, XLS, TXT – 即将支持更多)

Office

• python-docx - 阅读，查询和修改Microsoft Word 2007/2008 docx文件
• xlwt / xlrd - 从Excel读取及写入数据和格式化信息
• XlsxWriter - 用于穿件Excel .xlsx文件的Python模块
• xlwings - 一个BSD许可的库，是Excel与Python互相调用更加简单
• openpyxl - 可读取、编辑Excel 2010xlsx/xlsm/xltx/xltm文件的库
• Marmir - 提取Python数据结构并将其转化为表格的库

PDF

• PDFMiner- 从PDF文档中提取信息的工具
• PyPDF2 - 一个分割、合并、转换PDF文件的库
• ReportLab - 可以快速创建大量PDF文档
• pdftables - 从PDF文件中精准提取表格

Markdown

• Python-Markdown - 一个用Python实现的John Gruber的Markdown
• Mistune - 速度最快，功能全面的Markdown纯Python解析器
• markdown2 - 一个完全用Python实现的快速的Markdown

YAML

• PyYAML - 一个Python的YAML解析器

CSS

• • cssutils- 一个Python的CSS库

ATOM/RSS

• feedparser - 通用的feed解析器

SQL

• sqlparse - 一个无验证的SQL语句分析器

HTTP

• http-parser - C语言实现的HTTP请求/响应消息解析器

Microformats

• opengraph - 一个用来解析Open Graph协议标签的Python模块

可移植的执行体

• pefile - 一个多平台的用于解析和处理可移植执行体（即PE）文件的模块

PSD

• psd-tools - 将Adobe Photoshop PSD（即PE）文件读取到Python数据结构

---

自然语言处理

自然语言处理库

• NLTK - Python自然语言处理领先者
• 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 - 为深入处理自然语言的项目提供API，参考了NLTK及其他
• jieba - 中文分词
• SnowNLP - 汉字文本处理库
• loso - 中文分词库
• genius -基于条件随机域的中文分词
• langid.py - 独立的语言识别系统
• Korean - 韩文形态库
• pymorphy2 - 俄语形态分析器（词性标注+词形变化引擎）
• PyPLN - 用Python编写的分布式自然语言处理通道。这个项目的目标是创建一种简单的方法使用NLTK通过网络接口处理大语言库
• langdetect - Python的谷歌语言检测库端口

---

浏览器自动化与仿真

浏览器

• selenium - 自动化真实浏览器(Chrome, Firefox, Opera, IE)
• Ghost.py - QtWebKit封装(需求PyQT)
• Spynner - 具备AJAX支持的程序化网页浏览模块
• Splinter - 通用API浏览器模拟器（selenium web驱动，Django客户端，Zope）

Headless工具

• xvfbwrapper - 用于在X虚拟帧缓冲区（Xvfb）中运行显示的Python包装器

---

多进程并发

• threading - Python标准库的多线程运行。因为python GIL限制，对于I/O密集型任务很有效，对于CPU绑定的任务没用
• multiprocessing - 多进程标准库
• celery - 基于分布式消息传递的异步任务队列/作业队列
• concurrent-futures - concurrent.futures模块提供用于异步执行callable的高级接口

---

异步

异步网络编程库

• asyncio - 异步I/O，时间循环，协同程序和任务(Python 3.4以上版本的Python标准库)
• Twisted - 基于事件驱动的网络引擎框架
• Tornado - 一个Web框架及异步网络库
• pulsar - Python事件驱动的并发框架
• diesel - Python的基于Greenlet的I/O框架
• gevent - 一个基于协同程序的Python网络库，使用greenlet
• eventlet - 有WSGI支持的异步框架
• Tomorrow - 异步代码的魔法

---

队列

• celery - 基于分布式消息传递的异步任务队列/作业队列
• huey - 小型多线程任务队列
• mrq - Mr. Queue - 使用redis & Gevent 的Python分布式工作任务队列
• RQ - 基于Redis的轻量级任务队列管理器
• simpleq - 一个简单的，可无限扩展，基于Amazon SQS的队列
• python-gearman - Gearman的Python API

---

云计算

• picloud - 在云端执行Python
• dominoup.com - 在云端执行R, Python及matlab代码

---

电子邮件

电子邮件处理库

• flanker - 电子邮件及MIME处理库
• Talon - Mailgun库用于提取消息的报价和签名

---

URL和网络地址操作

URL和网络地址操作库

URL

• furl - 一个小的Python库，使得操纵URL简单化
• purl - 一个简单的不可改变的URL以及一个干净的用于调试和操作的API
• urllib.parse - 用于打破统一资源定位器（URL）的字符串在组件（寻址方案，网络位置，路径等）之间的隔断，为了结合组件到一个URL字符串，并将“相对URL”转化为一个绝对URL，称之为“基本URL”（标准库）
• tldextract - 使用公共后缀列表从URL的注册域和子域中准确分离TLD

网络地址

• netaddr - 用于显示和操纵网络地址的Python库

---

网页内容提取

网页内容提取库

HTML页面的文本和元数据

• newspaper - 用Python进行新闻提取、文章提取和内容策展
• html2text - 将HTML转为Markdown格式文本
• python-goose - HTML内容/文章提取器
• lassie - 人性化的网页内容检索工具
• micawber - 一个从网址中提取丰富内容的小型库
• sumy -一个自动汇总文本文件和HTML网页的模块
• Haul - 一个可扩展的图像爬虫
• python-readability - arc90 readability工具的快速Python接口
• scrapely - 从HTML网页中提取结构化数据的库。给出了一些Web页面和数据提取的示例，scrapely为所有类似的网页构建一个分析器
• libextract - 从网站提取数据

视频

• youtube-dl - 一个从YouTube下载视频的小型命令行工具
• you-get - Python3写成的YouTube/Youku/Niconico视频下载工具

Wiki

• WikiTeam - 下载并保存wkiks的工具

WebSocket

用于WebSocket的库

• Crossbar - 开源的应用消息传递路由器（Python实现的用于Autobahn的WebSocket和WAMP）
• AutobahnPython - 提供了WebSocket协议和WAMP协议的Python实现并且开源
• WebSocket-for-Python - Python 2和3以及PyPy的WebSocket客户端和服务器库

---

DNS解析

• dnsyo - 在全球超过1500个的DNS服务器上检查你的DNS
• pycares - ic-ares的接口。c-ares是进行DNS请求和异步名称决议的C语言库

---

计算机视觉

• OpenCV) - 开源计算机视觉库
• SimpleCV - 用于照相机、图像处理、特征提取、格式转换的简介，可读性强的接口（基于OpenCV）
• mahotas - 快速计算机图像处理算法（完全使用 C++ 实现），完全基于 numpy 的数组作为它的数据类型

---

代理服务器

• shadowsocks - 一个快速隧道代理，可帮你穿透防火墙（支持TCP和UDP，TFO，多用户和平滑重启，目的IP黑名单）
• tproxy - tproxy是一个简单的TCP路由代理（第7层），基于Gevent，用Python进行配置

杂项

• user_agent - 此模块用于生成随机，有效的Web导航器的配置和用户代理HTTP header

---

其他

• awesome-python
• pycrumbs
• python-github-projects
• python_reference
• pythonidae

---

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-5qSV2rKG-1713619891051)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！