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
- 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
- 打开windows命令行cmd，输入命令：pip3 install requests
- 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
- 自动化测试的根基
- 在cmd中输入命令：pip3 install selenium
- 测试代码
>>> import selenium >>> from selenium import webdriver
- 安装Chromedriver,打开http://npm.taobao.org/mirrors/chromedriver ，点击下载chromedriver_win32.zip
- 解压后，把 chromedriver.exe 放到D:\Python36\Scripts
- 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：
- 下载网址http://phantomjs.org/download.html
- 解压，获得phantomjs.exe 文件路径 D:\phantomjs-2.1.1-windows\bin，然后配置到用户变量中的path变量中
- 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。
- 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：
- 依赖lxml库，所以要先安装lxml
- cmd: pip3 install beautifulsoup4
- 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：
- 安装命令： pip3 install pyquery
- 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：
- 命令：pip3 install pymysql
- 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：
- 安装命令：pip3 install pymongo
- 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：
- 安装命令：pip3 install redis
- 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：
- 安装命令：pip3 install flask
- 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：
- 安装命令：pip3 install django
- 测试代码 import django
Step14：jupyter
安装步骤：
- 安装命令： pip3 install jupyter
- 运行->打开cmd，输入：jupyter notebook
- 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。
