Python爬虫实战入门一:工具准备(转载)
一、基础知识
使用Python编写爬虫,当然至少得了解Python基本的语法,了解:
- 基本数据结构
- 数据类型
- 控制流
- 函数的使用
- 模块的使用
不需要过多过深的Python知识,仅此而已。
个人推荐《Python简明教程》http://www.kuqin.com/abyteofpython_cn/、Python官方的《Python教程》http://python.usyiyi.cn/translate/python_352/tutorial/index.html
如果需要PDF版Python入门资料,可以关注我的微信公众号:州的先生,回复关键字:python入门资料
二、开发环境、
- 操作系统:Windows 7
- Python版本:Python 3.4
- 代码编辑运行环境:个人推荐PyCharm社区版,当然,Python自带的IDLE也行,Notepad++亦可,只要自己使用得习惯。
三、第三方依赖库
- requests:一个方便、简洁、高效且人性化的HTTP请求库
- BeautifulSoup:HTML解析库
- pymongo:MongoDB的Python封装模块
- selenium:一个Web自动化测试框架,用于模拟登录和获取JS动态数据
- pytesseract:一个OCR识别模块,用于验证码识别
- Pillow:Python图像处理模块
四、第三方库安装:
上面列出的第三方模块大多可以通过pip install ××的方式直接安装,部分模块安装方式不一样,下面一一演示:
requestspip install requests
BeautifulSouppip install bs4
pymongopip install pymongo
seleniumpip install selenium
Pillow
1、打开http://www.lfd.uci.edu/~gohlke/pythonlibs/
2、搜索找到“pillow”
3、根据自己系统的版本选择对应的下载包
![](http://upload-images.jianshu.io/upload_images/38544-a7b2244e318fa8cc.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
4、安装pip install Pillow‑4.0.0‑cp34‑cp34m‑win32.whl
pytesseract
1、pip install pytesseract
2、安装tesseract
下载并安装:https://tesseract-ocr.googlecode.com/files/tesseract-ocr-setup-3.02.02.exe
这样,我们的准备工作就基本完成,如果有另外的需求,在实战中再进行安装,接下来就可以实战Python爬虫了。
参照这个https://blog.csdn.net/showgea/article/details/82656515安装