zoukankan      html  css  js  c++  java

  • Python爬虫学习==>第五章：爬虫常用库的安装

    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:Python36Scripts
    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-windowsin，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。
  • 相关阅读:
    优先级队列
    内存拷贝
    快速排序
    ubuntu上编译Thrift
    Hadoop 学习总结之一：HDFS简介(zz写的很不错）
    hbase 详细解析（转载）
    HBase技术介绍简介 NOSQL数据库 入门（转载）
    SQL到NOSQL的思维转变
    Hadoop分布式文件系统：架构和设计(zz)
    zz我对技术方向的一些反思
  • 原文地址：https://www.cnblogs.com/wuzhiming/p/8673390.html
Copyright © 2011-2022 走看看