1. 首页
  2. Python

Python库大全(涵盖了Python应用的方方面面),建议收藏留用

“u003Cdivu003Eu003Cdiv class=”pgc-img”u003Eu003Cimg src=”http:u002Fu002Fp3.pstatp.comu002Flargeu002Fdfic-imagehandleru002F7b16bb71-f60a-4630-96be-b365c8a9634d” img_width=”1200″ img_height=”800″ alt=”Python库大全(涵盖了Python应用的方方面面),建议收藏留用” inline=”0″u003Eu003Cp class=”pgc-img-caption”u003Eu003Cu002Fpu003Eu003Cu002Fdivu003Eu003Cpu003E学Python,想必大家都是从爬虫开始的吧。毕竟网上类似的资源很丰富,开源项目也非常多。u003Cu002Fpu003Eu003Cpu003EPython学习网络爬虫主要分3个大的版块:抓取,分析,存储u003Cu002Fpu003Eu003Cpu003E当我们在浏览器中输入一个url后回车,后台会发生什么?u003Cu002Fpu003Eu003Cpu003E简单来说这段过程发生了以下四个步骤:u003Cu002Fpu003Eu003Cpu003E1、查找域名对应的IP地址。u003Cu002Fpu003Eu003Cpu003E2、向IP对应的服务器发送请求。u003Cu002Fpu003Eu003Cpu003E3、服务器响应请求,发回网页内容。u003Cu002Fpu003Eu003Cpu003E4、浏览器解析网页内容。u003Cu002Fpu003Eu003Cpu003E网络爬虫要做的,简单来说,就是实现浏览器的功能。通过指定url,直接返回给用户所需要的数据,而不需要一步步人工去操纵浏览器获取。u003Cu002Fpu003Eu003Cpu003E抓取这一步,你要明确要得到的内容是什么?是HTML源码,还是Json格式的字符串等。将得到内容逐一解析就好。具体的如何解析,以及如何处理数据,文章后面提供了非常详细的且功能强大的开源库列表。u003Cu002Fpu003Eu003Cpu003E当然了,爬去别人家的数据,很有可能会遭遇反爬虫机制的,怎么办?使用代理。u003Cu002Fpu003Eu003Cpu003E适用情况:限制IP地址情况,也可解决由于“频繁点击”而需要输入验证码登陆的情况。u003Cu002Fpu003Eu003Cpu003E这种情况最好的办法就是维护一个代理IP池,网上有很多免费的代理IP,良莠不齐,可以通过筛选找到能用的。u003Cu002Fpu003Eu003Cpu003E对于“频繁点击”的情况,我们还可以通过限制爬虫访问网站的频率来避免被网站禁掉。u003Cu002Fpu003Eu003Cpu003E有些网站会检查你是不是真的浏览器访问,还是机器自动访问的。这种情况,加上User-Agent,表明你是浏览器访问即可。有时还会检查是否带Referer信息还会检查你的Referer是否合法,一般再加上Referer。也就是伪装成浏览器,或者反“反盗链”。u003Cu002Fpu003Eu003Cpu003E对于网站有验证码的情况,我们有三种办法:u003Cu002Fpu003Eu003Cpu003E1、使用代理,更新IP。u003Cu002Fpu003Eu003Cpu003E2、使用cookie登陆。u003Cu002Fpu003Eu003Cpu003E3、验证码识别。u003Cu002Fpu003Eu003Cpu003E接下来我们重点聊聊验证码识别。这个python q-u-n 227–435—450就是小编期待大家一起交流讨论,各种入门资料啊,进阶资料啊,框架资料啊 免费领取u003Cu002Fpu003Eu003Cpu003E可以利用开源的Tesseract-OCR系统进行验证码图片的下载及识别,将识别的字符传到爬虫系统进行模拟登陆。当然也可以将验证码图片上传到打码平台上进行识别。如果不成功,可以再次更新验证码识别,直到成功为止。u003Cu002Fpu003Eu003Cpu003E好了,爬虫就简单聊到这儿,有兴趣的朋友可以去网上搜索更详细的内容。u003Cu002Fpu003Eu003Cpu003E文末附上本文重点:实用Python库大全。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E网络u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Eurllib -网络库(stdlib)。u003Cu002Fpu003Eu003Cpu003Erequests -网络库。u003Cu002Fpu003Eu003Cpu003Egrab – 网络库(基于pycurl)。u003Cu002Fpu003Eu003Cpu003Epycurl – 网络库(绑定libcurl)。u003Cu002Fpu003Eu003Cpu003Eurllib3 – Python HTTP库,安全连接池、支持文件post、可用性高。u003Cu002Fpu003Eu003Cpu003Ehttplib2 – 网络库。u003Cu002Fpu003Eu003Cpu003ERoboBrowser – 一个简单的、极具Python风格的Python库,无需独立的浏览器即可浏览网页。u003Cu002Fpu003Eu003Cpu003EMechanicalSoup -一个与网站自动交互Python库。u003Cu002Fpu003Eu003Cpu003Emechanize -有状态、可编程的Web浏览库。u003Cu002Fpu003Eu003Cpu003Esocket – 底层网络接口(stdlib)。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E网络爬虫框架u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Egrab – 网络爬虫框架(基于pycurlu002Fmulticur)。u003Cu002Fpu003Eu003Cpu003Escrapy – 网络爬虫框架。u003Cu002Fpu003Eu003Cpu003Epyspider – 一个强大的爬虫系统。u003Cu002Fpu003Eu003Cpu003Ecola – 一个分布式爬虫框架。u003Cu002Fpu003Eu003Cpu003EHTMLu002FXML解析器u003Cu002Fpu003Eu003Cpu003Elxml – C语言编写高效HTMLu002F XML处理库。支持XPath。u003Cu002Fpu003Eu003Cpu003Ecssselect – 解析DOM树和CSS选择器。u003Cu002Fpu003Eu003Cpu003Epyquery – 解析DOM树和jQuery选择器。u003Cu002Fpu003Eu003Cpu003EBeautifulSoup – 低效HTMLu002F XML处理库,纯Python实现。u003Cu002Fpu003Eu003Cpu003Ehtml5lib – 根据WHATWG规范生成HTMLu002F XML文档的DOM。该规范被用在现在所有的浏览器上。u003Cu002Fpu003Eu003Cpu003Efeedparser – 解析RSSu002FATOM feeds。u003Cu002Fpu003Eu003Cpu003EMarkupSafe – 为XMLu002FHTMLu002FXHTML提供了安全转义的字符串。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E文本处理u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E用于解析和操作简单文本的库。u003Cu002Fpu003Eu003Cpu003Edifflib – (Python标准库)帮助进行差异化比较。u003Cu002Fpu003Eu003Cpu003ELevenshtein – 快速计算Levenshtein距离和字符串相似度。u003Cu002Fpu003Eu003Cpu003Efuzzywuzzy – 模糊字符串匹配。u003Cu002Fpu003Eu003Cpu003Eesmre – 正则表达式加速器。u003Cu002Fpu003Eu003Cpu003Eftfy – 自动整理Unicode文本,减少碎片化。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E自然语言处理u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E处理人类语言问题的库。u003Cu002Fpu003Eu003Cpu003ENLTK -编写Python程序来处理人类语言数据的最好平台。u003Cu002Fpu003Eu003Cpu003EPattern – Python的网络挖掘模块。他有自然语言处理工具,机器学习以及其它。u003Cu002Fpu003Eu003Cpu003ETextBlob – 为深入自然语言处理任务提供了一致的API。是基于NLTK以及Pattern的巨人之肩上发展的。u003Cu002Fpu003Eu003Cpu003Ejieba – 中文分词工具。u003Cu002Fpu003Eu003Cpu003ESnowNLP – 中文文本处理库。u003Cu002Fpu003Eu003Cpu003Eloso – 另一个中文分词库。u003Cu002Fpu003Eu003Cpu003E浏览器自动化与仿真u003Cu002Fpu003Eu003Cpu003Eselenium – 自动化真正的浏览器(Chrome浏览器,火狐浏览器,Opera浏览器,IE浏览器)。u003Cu002Fpu003Eu003Cpu003EGhost.py – 对PyQt的webkit的封装(需要PyQT)。u003Cu002Fpu003Eu003Cpu003ESpynner – 对PyQt的webkit的封装(需要PyQT)。u003Cu002Fpu003Eu003Cpu003ESplinter – 通用API浏览器模拟器(selenium web驱动,Django客户端,Zope)。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E多重处理u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Ethreading – Python标准库的线程运行。对于Iu002FO密集型任务很有效。对于CPU绑定的任务没用,因为python GIL。u003Cu002Fpu003Eu003Cpu003Emultiprocessing – 标准的Python库运行多进程。u003Cu002Fpu003Eu003Cpu003Ecelery – 基于分布式消息传递的异步任务队列u002F作业队列。u003Cu002Fpu003Eu003Cpu003Econcurrent-futures – concurrent-futures 模块为调用异步执行提供了一个高层次的接口。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E异步u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E异步网络编程库u003Cu002Fpu003Eu003Cpu003Easyncio – (在Python 3.4 +版本以上的 Python标准库)异步Iu002FO,时间循环,协同程序和任务。u003Cu002Fpu003Eu003Cpu003ETwisted – 基于事件驱动的网络引擎框架。u003Cu002Fpu003Eu003Cpu003ETornado – 一个网络框架和异步网络库。u003Cu002Fpu003Eu003Cpu003Epulsar – Python事件驱动的并发框架。u003Cu002Fpu003Eu003Cpu003Ediesel – Python的基于绿色事件的Iu002FO框架。u003Cu002Fpu003Eu003Cpu003Egevent – 一个使用greenlet 的基于协程的Python网络库。u003Cu002Fpu003Eu003Cpu003Eeventlet – 有WSGI支持的异步框架。u003Cu002Fpu003Eu003Cpu003ETomorrow – 异步代码的奇妙的修饰语法。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E队列u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Ecelery – 基于分布式消息传递的异步任务队列u002F作业队列。u003Cu002Fpu003Eu003Cpu003Ehuey – 小型多线程任务队列。u003Cu002Fpu003Eu003Cpu003Emrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任务队列。u003Cu002Fpu003Eu003Cpu003ERQ – 基于Redis的轻量级任务队列管理器。u003Cu002Fpu003Eu003Cpu003Esimpleq – 一个简单的,可无限扩展,基于Amazon SQS的队列。u003Cu002Fpu003Eu003Cpu003Epython-gearman – Gearman的Python API。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E云计算u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Epicloud – 云端执行Python代码。u003Cu002Fpu003Eu003Cpu003Edominoup.com – 云端执行R,Python和matlab代码u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E网页内容提取u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E提取网页内容的库。u003Cu002Fpu003Eu003Cpu003EHTML页面的文本和元数据u003Cu002Fpu003Eu003Cpu003Enewspaper – 用Python进行新闻提取、文章提取和内容策展。u003Cu002Fpu003Eu003Cpu003Ehtml2text – 将HTML转为Markdown格式文本。u003Cu002Fpu003Eu003Cpu003Epython-goose – HTML内容u002F文章提取器。u003Cu002Fpu003Eu003Cpu003Elassie – 人性化的网页内容检索工具u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003EWebSocketu003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E用于WebSocket的库。u003Cu002Fpu003Eu003Cpu003ECrossbar – 开源的应用消息传递路由器(Python实现的用于Autobahn的WebSocket和WAMP)。u003Cu002Fpu003Eu003Cpu003EAutobahnPython – 提供了WebSocket协议和WAMP协议的Python实现并且开源。u003Cu002Fpu003Eu003Cpu003EWebSocket-for-Python – Python 2和3以及PyPy的WebSocket客户端和服务器库。u003Cu002Fpu003Eu003Cpu003EDNS解析u003Cu002Fpu003Eu003Cpu003Ednsyo – 在全球超过1500个的DNS服务器上检查你的DNS。u003Cu002Fpu003Eu003Cpu003Epycares – c-ares的接口。c-ares是进行DNS请求和异步名称决议的C语言库。u003Cu002Fpu003Eu003Cpu003E计算机视觉u003Cu002Fpu003Eu003Cpu003EOpenCV – 开源计算机视觉库。u003Cu002Fpu003Eu003Cpu003ESimpleCV – 用于照相机、图像处理、特征提取、格式转换的简介,可读性强的接口(基于OpenCV)。u003Cu002Fpu003Eu003Cpu003Emahotas – 快速计算机图像处理算法(完全使用 C++ 实现),完全基于 numpy 的数组作为它的数据类型。u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003E代理服务器u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003Eshadowsocks – 一个快速隧道代理,可帮你穿透防火墙(支持TCP和UDP,TFO,多用户和平滑重启,目的IP黑名单)。u003Cu002Fpu003Eu003Cpu003Etproxy – tproxy是一个简单的TCP路由代理(第7层),基于Gevent,用Python进行配置。u003Cu002Fpu003Eu003Cpu003E另:u003Cu002Fpu003Eu003Cpu003EPython有很多Web开发框架,大而全的开发框架非Django莫属,用得也最广泛.有很多公司有使用Django框架,如某狐,某讯等。以简洁著称的web.py,flask都非常易于上手,以异步高性能著称的tornado,源代码写得美如画,知乎,Quora都在用。u003Cu002Fpu003Eu003Cp class=”ql-align-center”u003Eu003Cstrongu003E最后柚子今天送给大家的全套python视频教程,朋友们是不是有点迫不及待了,那就赶快去下载,让自己成为一个python高手!u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cdiv class=”pgc-img”u003Eu003Cimg src=”http:u002Fu002Fp1.pstatp.comu002Flargeu002Fpgc-imageu002Ff51a3d1b2104417b847b98f5735fc839″ img_width=”481″ img_height=”768″ alt=”Python库大全(涵盖了Python应用的方方面面),建议收藏留用” inline=”0″u003Eu003Cp class=”pgc-img-caption”u003Eu003Cu002Fpu003Eu003Cu002Fdivu003Eu003Cp class=”ql-align-center”u003Eu003Cbru003Eu003Cu002Fpu003Eu003Ch1u003Eu003Cstrongu003E415集全套python教程领取方式:u003Cu002Fstrongu003Eu003Cu002Fh1u003Eu003Cpu003E1.点赞+转发u003Cu002Fpu003Eu003Cpu003E2.关注我u003Cu002Fpu003Eu003Ch1u003Eu003Cstrongu003E3.私信小编(资料)即可免费领取!u003Cu002Fstrongu003Eu003Cu002Fh1u003Eu003Cu002Fdivu003E”

原文始发于:Python库大全(涵盖了Python应用的方方面面),建议收藏留用

主题测试文章,只做测试使用。发布者:醒百年,转转请注明出处:http://www.cxybcw.com/13588.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code