不少朋友不知道 Python 爬虫怎么入门，怎么学习，到底要学习哪些内容。html
今天我来给你们说说学习爬虫，咱们必须掌握的一些第三方库。
python
废话很少说，直接上干货。mysql
1git
请求库github
1. requests
web
GitHub：https://github.com/psf/requestsredis
requests库应该是如今作爬虫最火最实用的库了，很是的人性化。
sql
有关于requests最详细的使用方法，你们能够参考官方文档：https://requests.readthedocs.io/en/master/mongodb
使用小案例：数据库
requestsr = requests.get('https://api.github.com/user', auth=('user', 'pass'))r.status_code200r.headers['content-type']'application/json; charset=utf8'r.encoding'utf-8'r.textu'{"type":"User"...'r.json(){u'disk_usage': 368627, u'private_gists': 484, ...}
2. urllib3
GitHub：https://github.com/urllib3/urllib3
urllib3是一个很是强大的http请求库，提供一系列的操做URL的功能。
有关于它的详细使用方法能够参考：https://urllib3.readthedocs.io/en/latest/
使用小案例：
> import urllib3> http = urllib3.PoolManager()> r = http.request('GET', 'http://httpbin.org/robots.txt')> r.status200> r.data'User-agent: *\nDisallow: /deny\n'
3.selenium
GitHub：https://github.com/SeleniumHQ/selenium
自动化测试工具。一个调用浏览器的 driver，经过这个库你能够直接调用浏览器完成某些操做，好比输入验证码。
对于这个库并不是只是Python才能用，像JAVA、Python、C#等都可以使用selenium这个库
有关于Python语言如何去使用这个库，你们能够去访问https://seleniumhq.github.io/selenium/docs/api/py/ 查看官方文档
使用小案例：
from selenium import webdriver
browser = webdriver.Firefox()browser.get('http://seleniumhq.org/')
4.aiohttp
GitHub：https://github.com/aio-libs/aiohttp
基于 asyncio 实现的 HTTP 框架。异步操做借助于 async/await 关键字，使用异步库进行数据抓取，能够大大提升效率。
这个属于进阶爬虫时候必须掌握的异步库。有关于aiohttp的详细操做，能够去官方文档：https://aiohttp.readthedocs.io/en/stable/
使用小案例：
import aiohttpimport asyncio
async def fetch(session, url): async with session.get(url) as response: return await response.text()
async def main(): async with aiohttp.ClientSession() as session: html = await fetch(session, 'http://python.org') print(html)
if __name__ == '__main__': loop = asyncio.get_event_loop() loop.run_until_complete(main())
2
解析库
一、beautifulsoup
官方文档：https://www.crummy.com/software/BeautifulSoup/
html 和 XML 的解析,从网页中提取信息，同时拥有强大的API和多样解析方式。一个我常常使用的解析库，对于html的解析是很是的好用。对于写爬虫的人来讲这也是必须掌握的库。
二、lxml
GitHub：https://github.com/lxml/lxml
支持HTML和XML的解析，支持XPath解析方式，并且解析效率很是高。
三、pyquery
GitHub：https://github.com/gawel/pyquery
jQuery 的 Python 实现，可以以 jQuery 的语法来操做解析 HTML 文档，易用性和解析速度都很好。
3
数据存储库
一、pymysql
GitHub：https://github.com/PyMySQL/PyMySQL
官方文档：https://pymysql.readthedocs.io/en/latest/
一个纯 Python 实现的 MySQL 客户端操做库。很是的实用、很是的简单。
二、pymongo
GitHub：https://github.com/mongodb/mongo-python-driver
官方文档：https://api.mongodb.com/python/
顾名思义，一个用于直接链接 mongodb 数据库进行查询操做的库。
三、redisdump
使用方法：https://blog.csdn.net/zhwitbird/article/details/81279406
redis-dump 是将 redis 和 json 互转的工具；redis-dump 是基于 ruby 开发，须要 ruby 环境，并且新版本的 redis-dump 要求 2.2.2 以上的 ruby 版本，centos 中 yum 只能安装2.0版本的 ruby。
须要先安装 ruby 的管理工具 rvm 安装高版本的 ruby。
本文分享自微信公众号 - AirPython（AirPython）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。