python爬蟲常用庫

来源:https://www.cnblogs.com/qingdeng123/archive/2019/08/09/11329646.html
-Advertisement-
Play Games

請求庫: 1. requests 這個庫是爬蟲最常用的一個庫 2. Selenium Selenium 是一個自動化測試工具,利用它我們可以驅動瀏覽器執行特定的動作,如點擊、下拉等操作 對於一些用JS做誼染的頁面來說,這種抓取方式是非常有效的。 3.ChomeDrive 安裝了這個庫,才能驅動Chr ...


請求庫:

1. requests 這個庫是爬蟲最常用的一個庫

2. Selenium Selenium 是一個自動化測試工具,利用它我們可以驅動瀏覽器執行特定的動作,如點擊、下拉等操作 對於一些用JS做誼染的頁面來說,這種抓取方式是非常有效的。

3.ChomeDrive 安裝了這個庫,才能驅動Chrome瀏覽器完成相應的操作

4.GeckoDriver 使用W3C WebDriver相容客戶端與基於Gecko的瀏覽器進行交互的代理。

5.PhantomJS PhantomJS 是一個無界面 、可腳本編程的 WebKit 瀏覽器引擎,它原生支持多種Web標準:Dom操作,css選擇器,json,Canvas以及SVG。

6.aiohttp 之前接收requests庫是一個阻塞式HTTP請求庫,當我們發送一個請求後。程式會一直等待伺服器響應,直到伺服器響應後,程式才會最下一步處理。其實,這個過程比較耗時間。如果程式可以在等待的過程中做一些其他的事情,如進行請求的調度,響應的處理等,那麼爬蟲的效率就會比之前的那種方式有很大的提升。 而aiohttp就是這樣一個提供非同步web服務的庫。使用說這個庫用起來還是相當方便的。

解析庫:

1.lxml lxml是python的一個解析庫,這個庫支持HTML和xml的解析,支持XPath的解析方式,而且效率也是非常高的,深受廣大程式員的熱愛

2.Beautiful Soup Beautiful Soup也是python里一個HTML或XMl的解析庫,它可以很方便的懂網頁中提取數據,擁有強大的API和多種解析方式。

3.pyquery 同樣是一個強大的網頁解析工具,它提供了和 jQuery 類似的語法來解析HTML 文梢,

 

資料庫:

1.mysql 資料庫

2.MongoDB Mo goDB 是由 ++語言編寫的非關係型資料庫, 是一個基於分散式文件存儲的開源資料庫系統內容存儲形式類似 JSON 對象,它的欄位值可以包含其他文檔、數組及文檔數組,非常靈活

3.Redis 是一個基於 存的高效的非關係型資料庫,

 

存儲庫:

1.PyMySOL

2.PyMongo

3.redis-py

4.RedisDump

 

web庫:

1.Flask 是一個輕量級的Web服務程式,它簡單,易用,靈活

2.Tornado 是一個支持非同步的Web框架,通過使用非阻塞I/O流,可以支持成千上萬的開放式連接。

APP爬取相關庫:

1.Charles 是一個網路抓包工具,相比 Fiddler,其功能更為強大 且跨平臺支持得更好。

2.mitmproxy 是一個支持HTTP和HTTPS的抓包工具,類似於Fiddler,Charles的功能,只不過它通過控制台的形式操作。

3.Android


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 首先要搞懂本地操作系統編碼與系統編碼的區別: 1. 本地操作系統編碼方式與操作系統有關,Linux預設編碼方式為utf 8,Windows預設編碼方式為gbk; 2. 系統編碼方式與編譯器or解釋器有關,Python3解釋器預設編碼方式為unicode。 3. 編碼方式不僅僅代表編碼,也包括解碼,因 ...
  • MySQL Binlog簡介 什麼是binlog? 一個二進位日誌,用來記錄對數據發生或潛在發生更改的SQL語句,並以而進行的形式保存在磁碟中。 binlog 的作用? 最主要有3個用途: 數據複製(主從同步) Mysql 的Master Slave協議,讓Slave可以通過監聽binlog實現數據 ...
  • 對於某些運算符號(+,-,*,/....),我們不滿足與它原有的操作方式,而是要在對特有對象(如負數的加減)進行使用,但是編譯器會不允許這樣做,因為會與操作符原本的類型不匹配而導致操作失敗。因此我們需要對運算符進行重載,即賦予它新的意義,從而滿足我們的使用需求。 如complex_a和complex ...
  • 第十一章前端開發 11.1 HTTP 1.1引入了許多關鍵性能優化:keepalive連接,請求流水線,chunked編碼傳輸,位元組範圍請求等 1、keepalive連接: 2、Pipelining(請求流水線) 3、chunked編碼傳輸 4、位元組範圍請求 get 和 post 的區別: 1、參數 ...
  • 前段時間我們的服務遇到了性能瓶頸,由於前期需求太急沒有註意這方面的優化,到了要還技術債的時候就非常痛苦了。 在很低的 QPS 壓力下伺服器 load 就能達到 10-20,CPU 使用率 60% 以上,而且在每次流量峰值時介面都會大量報錯,雖然使用了服務熔斷框架 Hystrix,但熔斷後服務卻... ...
  • 如有不足,歡迎指正! ...
  • 一. 異常 1.1 概念 Java程式在運行時期發生的問題就是異常。 在Java中,把異常封裝成了一個類。 當發生了某些問題時,系統會自動創建對應的異常對象並拋出該異常相關的信息。 1.2 異常的體系 Throwable Error:用於指示合理的應用程式不應該試圖捕獲的嚴重問題 Exception ...
  • .lib .dll文件都是程式可直接引用的文件,前者就是所謂的庫文件,後者是動態鏈接庫(Dynamic Link Library)也是一個庫文件。而.pdb則可以理解為符號表文件。動態庫在沒有lib文件時,也可以通過顯示鏈接進行引用。 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...