简述python爬虫库_python爬虫中需要用到的库有哪些？

在进行网络爬虫中，大多数会选择python爬虫，这是因为python爬虫做为通用搜索引擎网页收集器，可以对网上数据爬取并分析，实现爬虫需要对网页下载，再提取所需数据、分析。那你知道python在爬虫中要用到的库有哪些吗？本文整理了python爬虫中需要用到的库，大致可分为：1、实现 HTTP 请求操作的请求库；2、从网页中提取信息的解析库；3、Python与数据库交互的存储库；4、爬虫框架；5、Web框架库。

一、请求库

实现 HTTP 请求操作

1、urllib：一系列用于操作URL的功能。

2、requests：基于 urllib 编写的，阻塞式 HTTP 请求库，发出一个请求，一直等待服务器响应后，程序才能进行下一步处理。

3、selenium：自动化测试工具。一个调用浏览器的 driver，通过这个库你可以直接调用浏览器完成某些操作，比如输入验证码。

4、aiohttp：基于 asyncio 实现的 HTTP 框架。异步操作借助于 async/await 关键字，使用异步库进行数据抓取，可以大大提高效率。

二、解析库

从网页中提取信息

1、beautifulsoup：html 和 XML 的解析,从网页中提取信息，同时拥有强大的API和多样解析方式。

2、pyquery：jQuery 的 Python 实现，能够以 jQuery 的语法来操作解析 HTML 文档，易用性和解析速度都很好。

3、lxml：支持HTML和XML的解析，支持XPath解析方式，而且解析效率非常高。

4、tesserocr：一个 OCR 库，在遇到验证码(图形验证码为主)的时候，可直接用 OCR 进行识别。

三、存储库

Python与数据库交互

1、pymysql：一个纯 Python 实现的 MySQL 客户端操作库。

2、pymongo：一个用于直接连接 mongodb 数据库进行查询操作的库。

3、redisdump：一个用于 redis 数据导入/导出的工具。基于 ruby 实现的，因此使用它，需要先安装 Ruby。

四、爬虫框架

1、Scrapy：很强大的爬虫框架，可以满足简单的页面爬取(比如可以明确获知url pattern的情况)。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。但是对于稍微复杂一点的页面，如 weibo 的页面信息，这个框架就满足不了需求了。

2、Crawley：高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为 JSON、XML 等。

3、Portia：可视化爬取网页内容。

4、newspaper：提取新闻、文章以及内容分析。

5、python-goose：java 写的文章提取工具。

6、cola：一个分布式爬虫框架。项目整体设计有点糟，模块间耦合度较高。

五、Web框架库

1、flask：轻量级的 web 服务程序，简单，易用，灵活，主要来做一些 API 服务。做代理时可能会用到。

2、django：一个 web 服务器框架，提供了一个完整的后台管理，引擎、接口等，使用它可做一个完整网站。

以上就是python爬虫中需要用到的库，希望能对你有所帮助哦~更多python爬虫学习推荐：python爬虫教程。