作者:风过无痕啦啦 | 来源:互联网 | 2022-09-26 04:17
python爬虫需要安装相关库:请求库,解析库,存储库和工具库。世界上80%的爬虫是基于Python开发的,学好爬虫技能,可为后续的大数据分析、挖掘、机器学习等提供重要的数据源。
回车后弹出chrome浏览器界面
3.4 安装其他浏览器
无界面浏览器phantomjs
下载网址:http://phantomjs.org/
下载完成后解压,把整个目录放到D:\Python3.6.0\Scripts\,把bin目录的路径添加到PATH变量
验证:
打开CMD
phantomjs
console.log('phantomjs')
CTRL+C
python
from selenium import webdriver
driver = webdriver.PhantomJS()
dirver.get('http://www.baidu.com')
driver.page_source
2. 解析库:
2.1 lxml (XPATH)
打开CMD
pip3 install lxml
或者从https://pypi.python.org下载,例如,lxml-4.1.1-cp36-cp36m-win_amd64.whl (md5) ,先下载whl文件
pip3 install 文件名.whl
2.2 beautifulsoup
打开CMD,需要先安装好lxml
pip3 install beautifulsoup4
验证
python
from bs4 import BeautifulSoup
soup = BeautifulSoup('','lxml')
2.3 pyquery(类似jquery语法)
打开CMD
pip3 install pyquery
验证安装结果
python
from pyquery import PyQuery as pq
doc = pq('hi')
result = doc('html').text()
result
3.2 pymongo(操作MongoDB,key-value)
安装
pip3 install pymongo
验证
python
import pymongo
client = pymongo.MongoClient('localhost')
db = client['testdb']
db['table'].insert({'name':'bob'})
db['table'].find_one({'name':'bob'})
4.2 Django(分布式爬虫维护系统)
pip3 install django
4.3 jupyter(运行在网页端的记事本,支持markdown,可以在网页上运行代码)
pip3 install jupyter
验证:
打开CMD
jupyter notebook
之后就可以在网页直接创建记事本,代码块和Markdown块,支持打印
【