python爬虫知识点总结(一)库的安装
环境要求：
1、编程语言版本python3；
2、系统：win10;
3、浏览器：Chrome68.0.3440.75；（如果不是最新版有可能影响到程序执行）
4、chromedriver2.41
注意点：pip3 install 命令必须在管理员权限下才能有效下载！
一、安装python3
不是本文重点，初学者，建议上百度搜索，提供几个思路：
1、官网：https://www.python.org/
IDE：pycharm
2、anaconda安装后自带python
等等。
二、配置环境变量
需要配置的路径有两个
1、python.exe所在路径(python所在)
2、Script文件夹下的路径(pip所在)
三、爬虫常用库的安装
（1）requests库
管理员运行cmd。
输入命令：pip3 install requests
测试：在cmd下运行一下代码实例测试：
import requests requests.get('http://www.baidu.com')
结果如图：
（2）selenium库
先检查selenium在本地有没有。
和上面的图操作一样，进到python->输入import selenium
如果没安装，会报错，如下图：
在cmd下输入命令：pip3 install selenium
安装结果如下图：
尝试运行代码实例：
import selenium from selenium import webdriver
driver = webdriver.Chrome()
driver.get('http://www.baidu.com')
driver.page_source
会报错:
因为本地没有Chromdriver，需要下载，下载最新版就可以了
http://npm.taobao.org/mirrors/chromedriver/
将chromedriver.exe放到python.exe文件夹下，或者Scripts文件夹下（本质是环境变量配置，方便python找到）
在cmd下输入命令：chromedriver
再次运行代码实例，如果出错如下，那就看我的这篇博客：
https://www.cnblogs.com/cthon/p/9390095.html
https://www.cnblogs.com/cthon/p/9390998.html
其本质是，chrome版本和webdriver不一致，一定记住下载最新版本的chrome
正确的执行结果应该是：
执行成功会自动弹出Google浏览器并进入百度界面
（3）phantomjs（无界面浏览器）
下载链接：http://phantomjs.org/download.html
解压后，配置环境变量phantomjs
检查是否配置成功
代码实例测试：
from selenium import webdriver driver = webdriver.PhantomJS() driver.get("http://www.baidu.com") driver.page_source
（4）lxml库
在cmd下，输入命令：pip3 install lxml
（5）beautifulsoup库
在cmd下，输入命令：pip3 install beautifulsoup4
有可能会爆出找不到该版本的错误信息，那就通过下载链接：https://www.crummy.com/software/BeautifulSoup/bs4/download/
运行代码示例：
from bs4 import BeautifulSoup soup = BeautifulSoup('<html></html>','lxml')
（6）pyquery库（和beautifulsoup一样是网页解析库，个人觉得比较方便）
官方学习：https://pythonhosted.org/pyquery/
在cmd下，输入命令：pip3 install pyquery
运行代码实例：
from pyquery import PyQuery as pq doc = pq('<html></html>') doc = pq('<html>hello</html>') result = doc('html').text() result
（7）pymysql库（操作mysql）
在cmd下，输入命令：pip3 install pymysql
运行代码实例：
import pymysql conn = pymysql.connect(host='localhost',user='root',password='root',port=3306,db='mysql') cursor = conn.cursor() cursor.execute('select * from db') cursor.fetchone() cursor.execute('select * from myuser')
对比一下，mysql的数据
（8）pymongo库(操作mongodb)--key-value型，数据存储很方便，不需要建表，可以动态增加一些键名
在cmd下，输入命令：pip3 install pymongo
输入代码实例：
import pymongo client = pymongo.MongoClient('localhost') db = client['newtestdb'] db['table'].insert({'name':'jack'})
db['table'].find_one({'name':'jack'})
（9）redis库（操作redis）--key-value型，用在分布式爬虫，维护爬取队列，效果比较理想
在cmd下：输入命令：pip3 install redis
运行代码实例：
import redis r = redis.Redis('localhost',6379) r.set('name','jack') r.get('name')
（10）flask库（web库，在做一些代理的设置时需要用到，用来设置一些代理的获取和存储）
官方文档：http://www.pythondoc.com/flask/index.html
（11）django库（web服务器框架，提供了服务器后台管理，模板引擎，接口，路由，用于分布式爬虫的维护）
官方文档：https://docs.djangoproject.com/en/2.0/
（12）jupyter库（相当于notebook，用来编写代码记录）
官方文档：https://jupyter.org/documentation
在cmd下，输入命令：pip3 install jupyter
内容很多，我就不全部截图了，正确运行就可以了。
jupyter的启动方法有两个：
1、在命令行输入：jupyter notebook
会在浏览器中弹出一个网页notebook 代码编辑页
按照以下步骤可以进行代码编辑，
首先：新建一个python3文件
编写代码：
2、在命令行输入：ipython
这种方式会在命令行进行编写
Linux和Mac下安装
直接输入命令：
pip3 install selenium beautifulsoup4 pyquery pymysql pymongo redis flask django jupyter
验证方法和windows下一样。
