黑客技術點擊右側關注，了解黑客的世界！

Java開發進階點擊右側關注，掌握進階之路！

Python開發點擊右側關注，探討技術話題！來源丨速學Pythonhttps://mp.weixin.qq.com/s/oyE5BMFMwXxRq7H6G6Wrrw學Python，想必大家都是從爬蟲開始的吧。畢竟網上類似的資源很豐富，開源項目也非常多。Python學習網絡爬蟲主要分3個大的版塊：抓取，分析，存儲。當我們在瀏覽器中輸入一個url后回車，后臺會發生什么？簡單來說這段過程發生了以下四個步驟：查找域名對應的IP地址。向IP對應的服務器發送請求。服務器響應請求，發回網頁內容。瀏覽器解析網頁內容。那么學習爬蟲需要掌握哪些庫呢？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。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。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。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。網頁內容提取提取網頁內容的庫：HTML頁面的文本和元數據newspaper – 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。web開發的一些框架：1.DjangoDjango是一個開源的Web應用框架，由Python寫成，支持許多數據庫引擎，可以讓Web開發變得迅速和可擴展，并會不斷的版本更新以匹配Python最新版本，如果是新手程序員，可以從這個框架入手。2.FlaskFlask是一個輕量級的Web應用框架, 使用Python編寫。基于 WerkzeugWSGI工具箱和 Jinja2模板引擎。使用 BSD 授權。Flask也被稱為 “microframework” ，因為它使用簡單的核心，用 extension 增加其他功能。Flask沒有默認使用的數據庫、窗體驗證工具。然而，Flask保留了擴增的彈性，可以用Flask-extension加入這些功 能：ORM、窗體驗證工具、文件上傳、各種開放式身份驗證技術。3.Web2pyWeb2py是一個用Python語言編寫的免費的開源Web框架，旨在敏捷快速的開發Web應用，具有快速、可擴展、安全以及可移植的數據庫驅動的應用，遵循LGPLv3開源協議。Web2py提供一站式的解決方案，整個開發過程都可以在瀏覽器上進行，提供了Web版的在線開發，HTML模版編寫，靜態文件的上傳，數據庫的編寫的功能。其它的還有日志功能，以及一個自動化的admin接口。4.TornadoTornado即是一個Web server(對此本文不作詳述)，同時又是一個類web.py的micro-framework，作為框架Tornado的思想主要來源于Web.py，大家在Web.py的網站首頁也可以看到Tornado的大佬Bret Taylor的這么一段話(他這里說的FriendFeed用的框架跟Tornado可以看作是一個東西)：“[web.py inspired the] Web framework we use at FriendFeed [and] the webapp framework that ships with App Engine…”因為有這層關系，后面不再單獨討論Tornado。5.CherryPyCherryPy是一種用于Python的、簡單而非常有用的Web框架，其主要作用是以盡可能少的操作將Web服務器與Python代碼連接，其功能包括內置的分析功能、靈活的插件系統以及一次運行多個HTTP服務器的功能，可與運行在最新版本的Python、Jython、Android上。關于框架的選擇誤區在框架的選擇問題上，許多人很容易就陷入了下面兩個誤區中而不自知：哪個框架最好——世上沒有最好的框架，只有最適合你自己、最適合你的團隊的框架。編程語言選擇也是一個道理，你的團隊Python最熟就用Python好了，如果最熟悉的是Ruby那就用Ruby好了，編程語言、框架都只是工具，能多、快、好、省的干完活就是好東西。過分關注性能——其實大部分人是沒必要太關心框架的性能的，因為你開發的網站根本就是個小站，能上1萬的IP的網站已經不多了，上10萬的更是很少很少。在沒有一定的訪問量前談性能其實是沒有多大意義的，因為你的CPU和內存一直就閑著呢。

?推薦↓↓↓?

長

按

關

注

👉【16個技術公眾號】都在這里！

涵蓋：程序員大咖、源碼共讀、程序員共讀、數據結構與算法、黑客技術和網絡安全、大數據科技、編程前端、Java、Python、Web編程開發、Android、iOS開發、Linux、數據庫研發、幽默程序員等。

萬水千山總是情，點個 “在看” 行不行

總結

以上是生活随笔為你收集整理的css 解析 开源库_干货 | python库大全，全面高效的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。