解析库的安装和环境配置

1.lxml

支持HTML和XML的解析，支持Xpath解析方式。
pip install lxml

2.Beautiful Soup

拥有强大的API和多样的解析方式
pip install beautifulsoup4

3.pyquery

提供了和jQuery类似的语法来解析HTML文档，支持CSS选择器。
pip install pyquery

4.tesserocr

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，这就需要直接用OCR来识别。（OCR——Optical Character Recognition，光学字符识别，指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。例如为嘛可以使用OCR技术来将图形验证码转化为电子文本，然后爬虫将识别结果提交给服务器，便可以达到自动识别验证码的过程。）

tesserocr是python的一个OCR识别库但其实是对tesseract做的一层API封装，所以它的核心是tesseract，所以在装tesserocr之前先装tesseract。

tesserocr Github：https://github.com/sirfz/tesserocr
tesserocr PyPI：https://pypi.python.org/pypi/tesserocr
tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract
tesseract Github：https://github.com/tesseract-ocr/tesseract
tesseract语言包：https://github.com/tesseract-ocr/tessdata
tesseract文档：https://github.com/tesseract-ocr/tesseract/wiki/Documentation

先下载tesseract，打开下载界面，文件名中带dev的是开发版本，不带的是稳定版本。

勾选图中的深色部分，然后一直next。
接下来安装tesserocr

pip install tesserocr pillow