很多朋友不知道Python爬蟲怎么入門，怎么學習，到底要學習哪些內容。今天我來給大家說說學習爬蟲，我們必須掌握的一些第三方庫。

廢話不多說，直接上干貨。

[[278632]]

1.請求庫

1. requests

GitHub：https://github.com/psf/requests

requests庫應該是現在做爬蟲最火最實用的庫了，非常的人性化。有關于它的使用我之前也寫過一篇文章 一起看看Python之Requests庫 ，大家可以去看一下。

有關于requests最詳細的使用方法，大家可以參考官方文檔：https://requests.readthedocs.io/en/master/

使用小案例：

>>> import requests 
>>> r = requests.get('https://api.github.com/user', auth=('user', 'pass')) 
>>> r.status_code 
200 
>>> r.headers['content-type'] 
'application/json; charset=utf8' 
>>> r.encoding 
'utf-8' 
>>> r.text 
u'{"type":"User"...' 
>>> r.json() 
{u'disk_usage': 368627, u'private_gists': 484, ...} 

2. urllib3

GitHub：https://github.com/urllib3/urllib3

urllib3是一個非常強大的http請求庫，提供一系列的操作URL的功能。

有關于它的詳細使用方法可以參考：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.status 
200 
>>> r.data 
'User-agent: *\nDisallow: /deny\n' 

3.selenium

GitHub：https://github.com/SeleniumHQ/selenium

自動化測試工具。一個調用瀏覽器的 driver，通過這個庫你可以直接調用瀏覽器完成某些操作，比如輸入驗證碼。

對于這個庫并非只是Python才能用，像JAVA、Python、C#等都能夠使用selenium這個庫

有關于Python語言如何去使用這個庫，大家可以去訪問https://seleniumhq.github.io/selenium/docs/api/py/ 查看官方文檔

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 實現的 HTTP 框架。異步操作借助于 async/await 關鍵字，使用異步庫進行數據抓取，可以大大提高效率。

這個屬于進階爬蟲時候必須掌握的異步庫。有關于aiohttp的詳細操作，可以去官方文檔：https://aiohttp.readthedocs.io/en/stable/

使用小案例：

import aiohttp 
import 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 解析庫

1、beautifulsoup

官方文檔：https://www.crummy.com/software/BeautifulSoup/

html 和 XML 的解析,從網頁中提取信息，同時擁有強大的API和多樣解析方式。一個我經常使用的解析庫，對于html的解析是非常的好用。對于寫爬蟲的人來說這也是必須掌握的庫。

2、lxml

GitHub：https://github.com/lxml/lxml

支持HTML和XML的解析，支持XPath解析方式，而且解析效率非常高。

3、pyquery

GitHub：https://github.com/gawel/pyquery

jQuery 的 Python 實現，能夠以 jQuery 的語法來操作解析 HTML 文檔，易用性和解析速度都很好。

3. 數據存儲庫

1、pymysql

GitHub：https://github.com/PyMySQL/PyMySQL

官方文檔：https://pymysql.readthedocs.io/en/latest/

一個純 Python 實現的 MySQL 客戶端操作庫。非常的實用、非常的簡單。

2、pymongo

GitHub：https://github.com/mongodb/mongo-python-driver

官方文檔：https://api.mongodb.com/python/

顧名思義，一個用于直接連接 mongodb 數據庫進行查詢操作的庫。

3、redisdump

使用方法：https://blog.csdn.net/zhwitbird/article/details/81279406

redis-dump是將redis和json互轉的工具;redis-dump是基于ruby開發，需要ruby環境，而且新版本的redis-dump要求2.2.2以上的ruby版本，centos中yum只能安裝2.0版本的ruby。需要先安裝ruby的管理工具rvm安裝高版本的ruby。