这些小活动你都参加了吗?快来围观一下吧!>>
电子产品世界 » 论坛首页 » 综合技术 » 基础知识 » 扣丁学堂Python培训之零基础学习Python爬虫掌握哪些库和框架分析

共1条 1/1 1 跳转至

扣丁学堂Python培训之零基础学习Python爬虫掌握哪些库和框架分析

菜鸟
2021-04-23 19:44:43     打赏

随着人工智能和机器学习的发展,各行各业职位正在逐渐被智能机器取替,为了应对被取替的风险,越来越多人开始学习编程,如今似乎要进入全民Python编程的时代了,Python是一门简易而实用的一种语言,Python也是最适合0基础学习的编程语言。Python的语法简单,代码可读性高,容易入门。

首先学习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。Python作为一门面向对象的编程语言,简洁的语法使得编写数十行代码即可实现爬虫功能,获取海量互联网数据。Python学习网络爬虫主要分3个大的版块:抓取,分析,存储,那么当我们在浏览器中输入一个url后回车,后台会发生什么?


简单来说这段过程发生了以下四个步骤:

查找域名对应的IP地址。

向IP对应的服务器发送请求。

服务器响应请求,发回网页内容。

浏览器解析网页内容。

那么零基础学习Python培训课程需要掌握哪些库呢?

通用:

urllib-网络库(stdlib)。

requests-网络库。

grab–网络库(基于pycurl)。

pycurl–网络库(绑定libcurl)。

urllib3–PythonHTTP库,安全连接池、支持文件post、可用性高。

httplib2–网络库。

RoboBrowser–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。

MechanicalSoup-一个与网站自动交互Python库。

mechanize-有状态、可编程的Web浏览库。

socket–底层网络接口(stdlib)。

UnirestforPython–Unirest是一套可用于多种语言的轻量级的HTTP库。

hyper–Python的HTTP/2客户端。

PySocks–SocksiPy更新并积极维护的版本,包括错误修复和一些其他的特征。作为socket模块的直接替换。

网络爬虫框架

功能齐全的爬虫

grab–网络爬虫框架(基于pycurl/multicur)。

scrapy–网络爬虫框架(基于twisted),不支持Python3。

pyspider–一个强大的爬虫系统。

cola–一个分布式爬虫框架。

其他

portia–基于Scrapy的可视化爬虫。

restkit–Python的HTTP资源工具包。它可以让你轻松地访问HTTP资源,并围绕它建立的对象。

demiurge–基于PyQuery的爬虫微框架。

HTML/XML解析器

通用

lxml–C语言编写高效HTML/XML处理库。支持XPath。

cssselect–解析DOM树和CSS选择器。

pyquery–解析DOM树和jQuery选择器。

BeautifulSoup–低效HTML/XML处理库,纯Python实现。

html5lib–根据WHATWG规范生成HTML/XML文档的DOM。该规范被用在现在所有的浏览器上。

feedparser–解析RSS/ATOMfeeds。

MarkupSafe–为XML/HTML/XHTML提供了安全转义的字符串。

xmltodict–一个可以让你在处理XML时感觉像在处理JSON一样的Python模块。

xhtml2pdf–将HTML/CSS转换为PDF。

untangle–轻松实现将XML文件转换为Python对象。

清理

Bleach–清理HTML(需要html5lib)。

sanitize–为混乱的数据世界带来清明。

文本处理

用于解析和操作简单文本的库。

通用

difflib–(Python标准库)帮助进行差异化比较。

Levenshtein–快速计算Levenshtein距离和字符串相似度。

fuzzywuzzy–模糊字符串匹配。

esmre–正则表达式加速器。

ftfy–自动整理Unicode文本,减少碎片化。

自然语言处理

处理人类语言问题的库。

NLTK-编写Python程序来处理人类语言数据的最好平台。

Pattern–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。

TextBlob–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。

jieba–中文分词工具。

SnowNLP–中文文本处理库。

loso–另一个中文分词库。

浏览器自动化与仿真

selenium–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)。

Ghost.py–对PyQt的webkit的封装(需要PyQT)。

Spynner–对PyQt的webkit的封装(需要PyQT)。

Splinter–通用API浏览器模拟器(seleniumweb驱动,Django客户端,Zope)。

多重处理

threading–Python标准库的线程运行。对于I/O密集型任务很有效。对于CPU绑定的任务没用,因为pythonGIL。

multiprocessing–标准的Python库运行多进程。

celery–基于分布式消息传递的异步任务队列/作业队列。

concurrent-futures–concurrent-futures模块为调用异步执行提供了一个高层次的接口。

异步

异步网络编程库

asyncio–(在Python3.4+版本以上的Python标准库)异步I/O,时间循环,协同程序和任务。

Twisted–基于事件驱动的网络引擎框架。

Tornado–一个网络框架和异步网络库。

pulsar–Python事件驱动的并发框架。

diesel–Python的基于绿色事件的I/O框架。

gevent–一个使用greenlet的基于协程的Python网络库。

eventlet–有WSGI支持的异步框架。

Tomorrow–异步代码的奇妙的修饰语法。

队列

celery–基于分布式消息传递的异步任务队列/作业队列。

huey–小型多线程任务队列。

mrq–Mr.Queue–使用redis&Gevent的Python分布式工作任务队列。

RQ–基于Redis的轻量级任务队列管理器。

simpleq–一个简单的,可无限扩展,基于AmazonSQS的队列。

python-gearman–Gearman的PythonAPI。

云计算

picloud–云端执行Python代码。

dominoup.com–云端执行R,Python和matlab代码

网页内容提取

提取网页内容的库。

HTML页面的文本和元数据

newspaper–用Python进行新闻提取、文章提取和内容策展。

html2text–将HTML转为Markdown格式文本。

python-goose–HTML内容/文章提取器。

lassie–人性化的网页内容检索工具

WebSocket

用于WebSocket的库。

Crossbar–开源的应用消息传递路由器(Python实现的用于Autobahn的WebSocket和WAMP)。

AutobahnPython–提供了WebSocket协议和WAMP协议的Python实现并且开源。

WebSocket-for-Python–Python2和3以及PyPy的WebSocket客户端和服务器库。

DNS解析

dnsyo–在全球超过1500个的DNS服务器上检查你的DNS。

pycares–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。

计算机视觉

OpenCV–开源计算机视觉库。

SimpleCV–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)。

mahotas–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。

web开发的一些框架

1.Django
Django是一个开源的Web应用框架,由Python写成,支持许多数据库引擎,可以让Web开发变得迅速和可扩展,并会不断的版本更新以匹配Python最新版本,如果是新手程序员,可以从这个框架入手。

2.Flask
Flask是一个轻量级的Web应用框架,使用Python编写。基于WerkzeugWSGI工具箱和Jinja2模板引擎。使用BSD授权。

Flask也被称为“microframework”,因为它使用简单的核心,用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而,Flask保留了扩增的弹性,可以用Flask-extension加入这些功能:ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

3.Web2py
Web2py是一个用Python语言编写的免费的开源Web框架,旨在敏捷快速的开发Web应用,具有快速、可扩展、安全以及可移植的数据库驱动的应用,遵循LGPLv3开源协议。

Web2py提供一站式的解决方案,整个开发过程都可以在浏览器上进行,提供了Web版的在线开发,HTML模版编写,静态文件的上传,数据库的编写的功能。其它的还有日志功能,以及一个自动化的admin接口。

4.Tornado
Tornado即是一个Webserver(对此本文不作详述),同时又是一个类web.py的micro-framework,作为框架Tornado的思想主要来源于Web.py,大家在Web.py的网站首页也可以看到Tornado的大佬BretTaylor的这么一段话(他这里说的FriendFeed用的框架跟Tornado可以看作是一个东西):

“[web.pyinspiredthe]WebframeworkweuseatFriendFeed[and]thewebappframeworkthatshipswithAppEngine…”

因为有这层关系,后面不再单独讨论Tornado。

5.CherryPy
CherryPy是一种用于Python的、简单而非常有用的Web框架,其主要作用是以尽可能少的操作将Web服务器与Python代码连接,其功能包括内置的分析功能、灵活的插件系统以及一次运行多个HTTP服务器的功能,可与运行在最新版本的Python、Jython、Android上。

以上就是关于扣丁学堂Python培训之零基础学习Python爬虫掌握哪些库和框架分析的详细介绍,最后想要了解更多内容的小伙伴可以登录扣丁学堂官网咨询。扣丁学堂是专业的Python培训机构,不仅有专业的老师和与时俱进的课程体系,还有大量的Python视频教程供学员观看学习,心动的小伙伴快快行动吧。扣丁学堂python学习交流群:816572891。微信号:codingbb



共1条 1/1 1 跳转至

回复

匿名不能发帖!请先 [ 登陆 注册 ]