<wbr id="wsjqy"></wbr>

          <form id="wsjqy"></form>
          <sub id="wsjqy"></sub>
          <nav id="wsjqy"><listing id="wsjqy"></listing></nav>
          更多課程 選擇中心


          Python培訓

          400-111-8989

          Python培訓干貨分享|不可不知的Python 爬蟲工具

          • 發布:小象
          • 來源: 伯樂頭條
          • 時間:2018-04-17 11:49

          學習Python語言,用Python去實現自我價值,Python語言是你工作的常用語言,怎可不知Python 爬蟲的工具?今天小編匯總下來,這個列表包含與網頁抓取和數據處理的Python庫,大家記得收藏。
          網絡
          通用
          urllib -網絡庫(stdlib)。
          requests -網絡庫。
          grab – 網絡庫(基于pycurl)。
          pycurl – 網絡庫(綁定libcurl)。
          urllib3 – Python HTTP庫,安全連接池、支持文件post、可用性高。
          httplib2 – 網絡庫。
          RoboBrowser – 一個簡單的、極具Python風格的Python庫,無需獨立的瀏覽器即可瀏覽網頁。
          MechanicalSoup -一個與網站自動交互Python庫。
          mechanize -有狀態、可編程的Web瀏覽庫。
          socket – 底層網絡接口(stdlib)。
          Unirest for Python – Unirest是一套可用于多種語言的輕量級的HTTP庫。
          hyper – Python的HTTP/2客戶端。
          PySocks – SocksiPy更新并積極維護的版本,包括錯誤修復和一些其他的特征。作為socket模塊的直接替換。
          異步
          treq – 類似于requests的API(基于twisted)。
          aiohttp – asyncio的HTTP客戶端/服務器(PEP-3156)。
          網絡爬蟲框架
          功能齊全的爬蟲
          grab – 網絡爬蟲框架(基于pycurl/multicur)。
          scrapy – 網絡爬蟲框架(基于twisted),不支持Python3。
          pyspider – 一個強大的爬蟲系統。
          cola – 一個分布式爬蟲框架。
          其他
          portia – 基于Scrapy的可視化爬蟲。
          restkit – Python的HTTP資源工具包。它可以讓你輕松地訪問HTTP資源,并圍繞它建立的對象。
          demiurge – 基于PyQuery的爬蟲微框架。
          HTML/XML解析器
          通用
          lxml – C語言編寫高效HTML/ XML處理庫。支持XPath。
          cssselect – 解析DOM樹和CSS選擇器。
          pyquery – 解析DOM樹和jQuery選擇器。
          BeautifulSoup – 低效HTML/ XML處理庫,純Python實現。
          html5lib – 根據WHATWG規范生成HTML/ XML文檔的DOM。該規范被用在現在所有的瀏覽器上。
          feedparser – 解析RSS/ATOM feeds。
          MarkupSafe – 為XML/HTML/XHTML提供了安全轉義的字符串。
          xmltodict – 一個可以讓你在處理XML時感覺像在處理JSON一樣的Python模塊。
          xhtml2pdf – 將HTML/CSS轉換為PDF。
          untangle – 輕松實現將XML文件轉換為Python對象。
          清理
          Bleach – 清理HTML(需要html5lib)。
          sanitize – 為混亂的數據世界帶來清明。
          文本處理
          用于解析和操作簡單文本的庫。
          通用
          difflib – (Python標準庫)幫助進行差異化比較。
          Levenshtein – 快速計算Levenshtein距離和字符串相似度。
          fuzzywuzzy – 模糊字符串匹配。
          esmre – 正則表達式加速器。
          ftfy – 自動整理Unicode文本,減少碎片化。
          轉換
          unidecode – 將Unicode文本轉為ASCII。
          字符編碼
          uniout – 打印可讀字符,而不是被轉義的字符串。
          chardet – 兼容 Python的2/3的字符編碼器。
          xpinyin – 一個將中國漢字轉為拼音的庫。
          pangu.py – 格式化文本中CJK和字母數字的間距。
          Slug化
          awesome-slugify – 一個可以保留unicode的Python slugify庫。
          python-slugify – 一個可以將Unicode轉為ASCII的Python slugify庫。
          unicode-slugify – 一個可以將生成Unicode slugs的工具。
          pytils – 處理俄語字符串的簡單工具(包括pytils.translit.slugify)。
          通用解析器
          PLY – lex和yacc解析工具的Python實現。
          pyparsing – 一個通用框架的生成語法分析器。
          人的名字
          python-nameparser -解析人的名字的組件。
          電話號碼
          phonenumbers -解析,格式化,存儲和驗證國際電話號碼。
          用戶代理字符串
          python-user-agents – 瀏覽器用戶代理的解析器。
          HTTP Agent Parser – Python的HTTP代理分析器。
          特定格式文件處理
          解析和處理特定文本格式的庫。
          通用
          tablib – 一個把數據導出為XLS、CSV、JSON、YAML等格式的模塊。
          textract – 從各種文件中提取文本,比如 Word、PowerPoint、PDF等。
          messytables – 解析混亂的表格數據的工具。
          rows – 一個常用數據接口,支持的格式很多(目前支持CSV,HTML,XLS,TXT – 將來還會提供更多!)。
          Office
          python-docx – 讀取,查詢和修改的Microsoft Word2007/2008的docx文件。
          xlwt / xlrd – 從Excel文件讀取寫入數據和格式信息。
          XlsxWriter – 一個創建Excel.xlsx文件的Python模塊。
          xlwings – 一個BSD許可的庫,可以很容易地在Excel中調用Python,反之亦然。
          openpyxl – 一個用于讀取和寫入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的庫。
          Marmir – 提取Python數據結構并將其轉換為電子表格。
          PDF
          PDFMiner – 一個從PDF文檔中提取信息的工具。
          PyPDF2 – 一個能夠分割、合并和轉換PDF頁面的庫。
          ReportLab – 允許快速創建豐富的PDF文檔。
          pdftables – 直接從PDF文件中提取表格。
          Markdown
          Python-Markdown – 一個用Python實現的John Gruber的Markdown。
          Mistune – 速度最快,功能全面的Markdown純Python解析器。
          markdown2 – 一個完全用Python實現的快速的Markdown。
          YAML
          PyYAML – 一個Python的YAML解析器。
          CSS
          cssutils – 一個Python的CSS庫。
          ATOM/RSS
          feedparser – 通用的feed解析器。
          SQL
          sqlparse – 一個非驗證的SQL語句分析器。
          HTTP
          HTTP
          http-parser – C語言實現的HTTP請求/響應消息解析器。
          微格式
          opengraph – 一個用來解析Open Graph協議標簽的Python模塊。
          可移植的執行體
          pefile – 一個多平臺的用于解析和處理可移植執行體(即PE)文件的模塊。
          PSD
          psd-tools – 將Adobe Photoshop PSD(即PE)文件讀取到Python數據結構。
          自然語言處理
          處理人類語言問題的庫。
          NLTK -編寫Python程序來處理人類語言數據的最好平臺。
          Pattern – Python的網絡挖掘模塊。他有自然語言處理工具,機器學習以及其它。
          TextBlob – 為深入自然語言處理任務提供了一致的API。是基于NLTK以及Pattern的巨人之肩上發展的。
          jieba – 中文分詞工具。
          SnowNLP – 中文文本處理庫。
          loso – 另一個中文分詞庫。
          genius – 基于條件隨機域的中文分詞。
          langid.py – 獨立的語言識別系統。
          Korean – 一個韓文形態庫。
          pymorphy2 – 俄語形態分析器(詞性標注+詞形變化引擎)。
          PyPLN  – 用Python編寫的分布式自然語言處理通道。這個項目的目標是創建一種簡單的方法使用NLTK通過網絡接口處理大語言庫。
          瀏覽器自動化與仿真
          selenium – 自動化真正的瀏覽器(Chrome瀏覽器,火狐瀏覽器,Opera瀏覽器,IE瀏覽器)。
          Ghost.py – 對PyQt的webkit的封裝(需要PyQT)。
          Spynner – 對PyQt的webkit的封裝(需要PyQT)。
          Splinter – 通用API瀏覽器模擬器(selenium web驅動,Django客戶端,Zope)。
          多重處理
          threading – Python標準庫的線程運行。對于I/O密集型任務很有效。對于CPU綁定的任務沒用,因為python GIL。
          multiprocessing – 標準的Python庫運行多進程。
          celery – 基于分布式消息傳遞的異步任務隊列/作業隊列。
          concurrent-futures – concurrent-futures 模塊為調用異步執行提供了一個高層次的接口。
          異步
          異步網絡編程庫
          asyncio – (在Python 3.4 +版本以上的 Python標準庫)異步I/O,時間循環,協同程序和任務。
          Twisted – 基于事件驅動的網絡引擎框架。
          Tornado – 一個網絡框架和異步網絡庫。
          pulsar – Python事件驅動的并發框架。
          diesel – Python的基于綠色事件的I/O框架。
          gevent – 一個使用greenlet 的基于協程的Python網絡庫。
          eventlet – 有WSGI支持的異步框架。
          Tomorrow – 異步代碼的奇妙的修飾語法。
          隊列
          celery – 基于分布式消息傳遞的異步任務隊列/作業隊列。
          huey – 小型多線程任務隊列。
          mrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任務隊列。
          RQ – 基于Redis的輕量級任務隊列管理器。
          simpleq – 一個簡單的,可無限擴展,基于Amazon SQS的隊列。
          python-gearman – Gearman的Python API。
          云計算
          picloud – 云端執行Python代碼。
          dominoup.com – 云端執行R,Python和matlab代碼。
          電子郵件
          電子郵件解析庫
          flanker – 電子郵件地址和Mime解析庫。
          Talon – Mailgun庫用于提取消息的報價和簽名。
          網址和網絡地址操作
          解析/修改網址和網絡地址庫。
          URL
          furl – 一個小的Python庫,使得操縱URL簡單化。
          purl – 一個簡單的不可改變的URL以及一個干凈的用于調試和操作的API。
          urllib.parse – 用于打破統一資源定位器(URL)的字符串在組件(尋址方案,網絡位置,路徑等)之間的隔斷,為了結合組件到一個URL字符串,并將“相對URL”轉化為一個絕對URL,稱之為“基本URL”。
          tldextract – 從URL的注冊域和子域中準確分離TLD,使用公共后綴列表。
          網絡地址
          etaddr – 用于顯示和操縱網絡地址的Python庫。
          網頁內容提取
          提取網頁內容的庫。
          HTML頁面的文本和元數據
          ewspaper – 用Python進行新聞提取、文章提取和內容策展。
          html2text – 將HTML轉為Markdown格式文本。
          python-goose – HTML內容/文章提取器。
          lassie – 人性化的網頁內容檢索工具
          micawber – 一個從網址中提取豐富內容的小庫。
          sumy -一個自動匯總文本文件和HTML網頁的模塊
          Haul – 一個可擴展的圖像爬蟲。
          python-readability – arc90 readability工具的快速Python接口。
          scrapely – 從HTML網頁中提取結構化數據的庫。給出了一些Web頁面和數據提取的示例,scrapely為所有類似的網頁構建一個分析器。
          視頻
          youtube-dl – 一個從YouTube下載視頻的小命令行程序。
          you-get – Python3的YouTube、優酷/ Niconico視頻下載器。
          維基
          WikiTeam – 下載和保存wikis的工具。
          WebSocket
          用于WebSocket的庫。
          Crossbar – 開源的應用消息傳遞路由器(Python實現的用于Autobahn的WebSocket和WAMP)。
          AutobahnPython – 提供了WebSocket協議和WAMP協議的Python實現并且開源。
          WebSocket-for-Python – Python 2和3以及PyPy的WebSocket客戶端和服務器庫。
          DNS解析
          dnsyo – 在全球超過1500個的DNS服務器上檢查你的DNS。
          pycares – c-ares的接口。c-ares是進行DNS請求和異步名稱決議的C語言庫。
          計算機視覺
          OpenCV – 開源計算機視覺庫。
          SimpleCV – 用于照相機、圖像處理、特征提取、格式轉換的簡介,可讀性強的接口(基于OpenCV)。
          mahotas – 快速計算機圖像處理算法(完全使用 C++ 實現),完全基于 numpy 的數組作為它的數據類型。
          代理服務器
          shadowsocks – 一個快速隧道代理,可幫你穿透防火墻(支持TCP和UDP,TFO,多用戶和平滑重啟,目的IP黑名單)。
          tproxy – tproxy是一個簡單的TCP路由代理(第7層),基于Gevent,用Python進行配置。
          其他Python工具列表
          awesome-python
          pycrumbs
          python-github-projects
          python_reference

          pythonidae

          這些就是你最為常用的Python爬蟲的工具列表大全,你除了要記住它們的名稱之外,還要記得他們的使用方法、優勢、差異等,而且你要將它們進行熟練應用,還想了解更多關于Python語言的內容,來達內Python培訓機構get你想要的吧!

          免責聲明:內容和圖片源自網絡,版權歸原作者所有,如有侵犯您的原創版權請告知,我們將盡快刪除相關內容。


          預約申請免費試聽課

          填寫下面表單即可預約申請免費試聽!怕錢不夠?可就業掙錢后再付學費! 怕學不會?助教全程陪讀,隨時解惑!擔心就業?一地學習,可全國推薦就業!

          上一篇:Python培訓之python的全局解釋鎖(GIL)?
          下一篇:了解Python語言的2D繪圖庫?Matplotlib,才能繪制出專業圖像!

          Python中類的屬性有哪幾種

          Python語法你知道多少

          Python 中常見的配置文件寫法

          Python爬蟲可以做什么

          • 掃碼領取資料

            回復關鍵字:視頻資料

            免費領取 達內課程視頻學習資料

          • 視頻學習QQ群

            添加QQ群:1143617948

            免費領取達內課程視頻學習資料

          Copyright ? 2021 Tedu.cn All Rights Reserved 京ICP備08000853號-56 京公網安備 11010802029508號 達內時代科技集團有限公司 版權所有

          選擇城市和中心
          黑龍江省

          吉林省

          河北省

          湖南省

          貴州省

          云南省

          廣西省

          海南省

          网友自拍 偷拍 校园性爱青青草曰逼视屏老鸭窝国产偷自视频区视频 百度 好搜 搜狗
          <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>