Python爬虫学习==>第五章:爬虫常用库的…

2018-06-18 02:09:01来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

学习目的:

         爬虫有请求库(request、selenium)、解析库、存储库(MongoDB、Redis)、工具库,此节学习安装常用库的安装

正式步骤

Step1:urllib和re库


 

  1. 这两个库在安装Python中,会默认安装,下面代码示例调用:
    >>> import urllib
    >>> import urllib.request
    >>> urllib.request.urlopen("http://www.baidu.com")
    <http.client.HTTPResponse object at 0x0000000002F05F60>
    >>> import re

    导入时,没有回显,就表示安装正确,可以正常使用

Step2:requests库安装


 

  1. 打开windows命令行cmd,输入命令:pip3 install requests
  2. 验证安装成功的代码示例
    >>> import requests
    >>> requests.get("http://www.baidu.com")
    <Response [200]> 

Step3:selenium库的安装


 

  1. 自动化测试的根基
  2. 在cmd中输入命令:pip3 install selenium
  3. 测试代码
    >>> import selenium
    >>> from selenium import webdriver

     

  4. 安装Chromedriver,打开http://npm.taobao.org/mirrors/chromedriver   ,点击下载chromedriver_win32.zip
  5. 解压后,把 chromedriver.exe 放到D:\Python36\Scripts
  6. 使用selenium库打开chrome浏览器代码示例:
    >>> from selenium import webdriver
    >>> driver = webdriver.Chrome()

    运行后,会打开一个谷歌浏览器,此外需要注意的是chrome版本需要大于等于55,因为驱动是这样的要求

 

Step4:phantomjs  


 

  PhantomJS 是一个基于WebKit的服务器端 JavaScript API。它全面支持web而不需浏览器支持,其快速,原生支持各种Web标准: DOM 处理, CSS 选择器, JSON, Canvas, 和 SVG。PhantomJS可以用于页面自动化,网络监测,网页截屏,以及无界面测试等。

简而言之:基于WebKit的,没有界面的浏览器。

  闪亮的功能点:PhantomJS可以用于页面自动化,网络监测,网页截屏,以及无界面测试。

  优势:跨平台,易上手。

安装步骤:

  1. 下载网址http://phantomjs.org/download.html
  2. 解压,获得phantomjs.exe 文件路径 D:\phantomjs-2.1.1-windows\bin,然后配置到用户变量中的path变量中
  3. 打开cmd,输入:phantomjs

ps:chrome headlessl可以替代phantomjs,为什么呢?因为selenium不再支持phantomjs了

 

Step5:chrome headless


 

  测试代码(刚刚百度来的):这个是chrome的示例

from selenium import webdriver
options=webdriver.ChromeOptions()
options.set_headless()
# options.add_argument('--headless')
options.add_argument('--disable-gpu')
driver=webdriver.Chrome(options=options)
driver.get('http://httpbin.org/user-agent')
driver.get_screenshot_as_file('test.png')
driver.close()

  FireFox浏览器的示例:

  

from selenium import webdriver
options = webdriver.FirefoxOptions()
options.set_headless()
# options.add_argument('-headless')
options.add_argument('--disable-gpu')
driver=webdriver.Firefox(firefox_options=options)
driver.get('http://httpbin.org/user-agent')
driver.get_screenshot_as_file('test.png')
driver.close()

 

 

Step6:lxml


 

  简介:lxml是python中处理xml的一个非常强大的库,可以非常方便的解析和生成xml文件。

  1.  安装命令:pip3 install lxml
    PS:如果安装失败了,可以多试几次,或者使用whl安装

 

Step7:beautifulsoup


 

   简介:Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库。它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。

  安装步骤:

  1. 依赖lxml库,所以要先安装lxml
  2. cmd: pip3 install beautifulsoup4
  3. 测试代码:
    >>> from bs4 import BeautifulSoup
    >>> soup = BeautifulSoup('<html></html>','lxml')
    >>> 

 

Step8:pyquery


 

  简介:pyquery相当于jQuery的python实现,可以用于解析HTML网页等。它的语法与jQuery几乎完全相同。

  安装步骤:

  1. 安装命令: pip3 install pyquery
  2. 测试代码
    >>> from pyquery import PyQuery as pq
    >>> doc = pq('<html>Python</html>')
    >>> result = doc('html').text()
    >>> result
    'Python'

    pyquery的基础使用方法可以参考:https://www.cnblogs.com/lei0213/p/7676254.html

 

Step9:pymysql


 

  简介:PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库

  安装步骤:

  1. 命令:pip3 install pymysql
  2. 测试代码:
    >>> import pymysql
    >>> conn = pymysql.connect(host='localhost',user='root',password='123456',port=3306,db='mysql')
    >>> cursor = conn.cursor()
    >>> cursor.execute('select * from db')
    2
    >>> cursor.fetchone()
    ('localhost', 'performance_schema', 'mysql.session', 'Y', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N')
    >>> cursor.fetchall()
    (('localhost', 'sys', 'mysql.sys', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'N', 'Y'),)

     

Step10:pymongo


 

  简介:PyMongo是驱动程序,使python程序能够使用Mongodb数据库,使用python编写而成

   安装步骤:

  1. 安装命令:pip3 install pymongo
  2. 测试代码:
    >>> import pymongo
    >>> client = pymongo.MongoClient('localhost')
    >>> db = client['newtest']
    >>> db['table'].insert({'name':'python'})
    ObjectId('5abe67d64bc36b29c0a61a03')
    >>> db['table'].find_one({'name':'python'})
    {'_id': ObjectId('5abe67d64bc36b29c0a61a03'), 'name': 'python'}

     

Step11:redis


 

  简介:Python分布式爬虫比較经常使用的应该是scrapy框架加上Redis内存数据库,中间的调度任务等用scrapy-redis模块实现。

  安装步骤:

  1. 安装命令:pip3 install redis
  2. 测试代码:
    #数据的插入和获取
    >>> import redis
    >>> r = redis.Redis('localhost',6379)
    >>> r.set('name','python')
    True
    >>> r.get('name')

     

Step12:flask


 

  简介:Flask是一个Python编写的Web 微框架,让我们可以使用Python语言快速实现一个网站或Web服务

  安装步骤:

  1. 安装命令:pip3 install flask
  2. 测试代码:
    from flask import Flask
    app = Flask(__name__)
    
    @app.route('/')
    def hello_world():
        return 'Hello World!'
    
    if __name__ == '__main__':
        app.run()

    参考文档:官方文档:http://docs.jinkan.org/docs/flask/

 

Step13:django


  简介:web服务器框架

  安装步骤:

  1. 安装命令:pip3 install django
  2. 测试代码 import django

 

Step14:jupyter


 

  安装步骤:

  1. 安装命令: pip3 install jupyter
  2. 运行->打开cmd,输入:jupyter notebook
  3. 然后浏览器会自动打开应用程序

 

学习总结:


 

  生活过于安逸,是感觉不到行业的竞争压力,所以还是多学习,增强自己的测试的核心竞争能力吧。

 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:python中的内置函数max()和min()

下一篇:QuantLib 金融计算——基本组件之 Date 类