好程序員Python 培訓(xùn)分享 Python 爬蟲(chóng)工具列表大全， 網(wǎng)絡(luò) 。

專(zhuān)注于為中小企業(yè)提供成都做網(wǎng)站、網(wǎng)站建設(shè)服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)岳陽(yáng)縣免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了上千家企業(yè)的穩(wěn)健成長(zhǎng)，幫助中小企業(yè)通過(guò)網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

　　 通用

　　 urllib - 網(wǎng)絡(luò)庫(kù) (stdlib) 。

　　 requests - 網(wǎng)絡(luò)庫(kù)。

　　 grab – 網(wǎng)絡(luò)庫(kù)（基于 pycurl ）。

　　 pycurl – 網(wǎng)絡(luò)庫(kù)（綁定 libcurl ）。

　　 urllib3 – Python HTTP 庫(kù)，安全連接池、支持文件 post 、可用性高。

　　 httplib2 – 網(wǎng)絡(luò)庫(kù)。

　　 RoboBrowser – 一個(gè)簡(jiǎn)單的、極具 Python 風(fēng)格的 Python 庫(kù)，無(wú)需獨(dú)立的瀏覽器即可瀏覽網(wǎng)頁(yè)。

　　 MechanicalSoup - 一個(gè)與網(wǎng)站自動(dòng)交互 Python 庫(kù)。

　　 mechanize - 有狀態(tài)、可編程的 Web 瀏覽庫(kù)。

　　 socket – 底層網(wǎng)絡(luò)接口 (stdlib) 。

　　 Unirest for Python – Unirest 是一套可用于多種語(yǔ)言的輕量級(jí)的 HTTP 庫(kù)。

　　 hyper – Python 的 HTTP/2 客戶端。

　　 PySocks – SocksiPy 更新并積極維護(hù)的版本，包括錯(cuò)誤修復(fù)和一些其他的特征。作為 socket 模塊的直接替換。

　　 異步

　　 treq – 類(lèi)似于 requests 的 API （基于 twisted ）。

　　 aiohttp – asyncio 的 HTTP 客戶端 / 服務(wù)器 (PEP-3156) 。

　　 網(wǎng)絡(luò)爬蟲(chóng)框架

　　 功能齊全的爬蟲(chóng)

　　 grab – 網(wǎng)絡(luò)爬蟲(chóng)框架（基于 pycurl/multicur ）。

　　 scrapy – 網(wǎng)絡(luò)爬蟲(chóng)框架（基于 twisted ），不支持 Python3 。

　　 pyspider – 一個(gè)強(qiáng)大的爬蟲(chóng)系統(tǒng)。

　　 cola – 一個(gè)分布式爬蟲(chóng)框架。

　　 其他

　　 portia – 基于 Scrapy 的可視化爬蟲(chóng)。

　　 restkit – Python 的 HTTP 資源工具包。它可以讓你輕松地訪問(wèn) HTTP 資源，并圍繞它建立的對(duì)象。

　　 demiurge – 基于 PyQuery 的爬蟲(chóng)微框架。

　　 HTML/XML 解析器

　　 通用

　　 lxml – C 語(yǔ)言編寫(xiě)高效 HTML/ XML 處理庫(kù)。支持 XPath 。

　　 cssselect – 解析 DOM 樹(shù)和 CSS 選擇器。

　　 pyquery – 解析 DOM 樹(shù)和 jQuery 選擇器。

　　 BeautifulSoup – 低效 HTML/ XML 處理庫(kù)，純 Python 實(shí)現(xiàn)。

　　 html5lib – 根據(jù) WHATWG 規(guī)范生成 HTML/ XML 文檔的 DOM 。該規(guī)范被用在現(xiàn)在所有的瀏覽器上。

　　 feedparser – 解析 RSS/ATOM feeds 。

　　 MarkupSafe – 為 XML/HTML/XHTML 提供了安全轉(zhuǎn)義的字符串。

　　 xmltodict – 一個(gè)可以讓你在處理 XML 時(shí)感覺(jué)像在處理 JSON 一樣的 Python 模塊。

　　 xhtml2pdf – 將 HTML/CSS 轉(zhuǎn)換為 PDF 。

　　 untangle – 輕松實(shí)現(xiàn)將 XML 文件轉(zhuǎn)換為 Python 對(duì)象。

　　 清理

　　 Bleach – 清理 HTML （需要 html5lib ）。

　　 sanitize – 為混亂的數(shù)據(jù)世界帶來(lái)清明。

　　 文本處理

　　 用于解析和操作簡(jiǎn)單文本的庫(kù)。

　　 通用

　　 difflib – （ Python 標(biāo)準(zhǔn)庫(kù)）幫助進(jìn)行差異化比較。

　　 Levenshtein – 快速計(jì)算 Levenshtein 距離和字符串相似度。

　　 fuzzywuzzy – 模糊字符串匹配。

　　 esmre – 正則表達(dá)式加速器。

　　 ftfy – 自動(dòng)整理 Unicode 文本，減少碎片化。

　　 轉(zhuǎn)換

　　 unidecode – 將 Unicode 文本轉(zhuǎn)為 ASCII 。

　　 字符編碼

　　 uniout – 打印可讀字符，而不是被轉(zhuǎn)義的字符串。

　　 chardet – 兼容 Python 的 2/3 的字符編碼器。

　　 xpinyin – 一個(gè)將中國(guó)漢字轉(zhuǎn)為拼音的庫(kù)。

　　 pangu.py – 格式化文本中 CJK 和字母數(shù)字的間距。

　　 Slug 化

　　 awesome-slugify – 一個(gè)可以保留 unicode 的 Python slugify 庫(kù)。

　　 python-slugify – 一個(gè)可以將 Unicode 轉(zhuǎn)為 ASCII 的 Python slugify 庫(kù)。

　　 unicode-slugify – 一個(gè)可以將生成 Unicode slugs 的工具。

　　 pytils – 處理俄語(yǔ)字符串的簡(jiǎn)單工具（包括 pytils.translit.slugify ）。

　　 通用解析器

　　 PLY – lex 和 yacc 解析工具的 Python 實(shí)現(xiàn)。

　　 pyparsing – 一個(gè)通用框架的生成語(yǔ)法分析器。

　　 人的名字

　　 python-nameparser - 解析人的名字的組件。

　　 電話號(hào)碼

　　 phonenumbers - 解析，格式化，存儲(chǔ)和驗(yàn)證國(guó)際電話號(hào)碼。

　　 用戶代理字符串

　　 python-user-agents – 瀏覽器用戶代理的解析器。

　　 HTTP Agent Parser – Python 的 HTTP 代理分析器。

　　 特定格式文件處理

　　 解析和處理特定文本格式的庫(kù)。

　　 通用

　　 tablib – 一個(gè)把數(shù)據(jù)導(dǎo)出為 XLS 、 CSV 、 JSON 、 YAML 等格式的模塊。

　　 textract – 從各種文件中提取文本，比如 Word 、 PowerPoint 、 PDF 等。

　　 messytables – 解析混亂的表格數(shù)據(jù)的工具。

　　 rows – 一個(gè)常用數(shù)據(jù)接口，支持的格式很多（目前支持 CSV ， HTML ， XLS ， TXT – 將來(lái)還會(huì)提供更多！）。

　　 Office

　　 python-docx – 讀取，查詢和修改的 Microsoft Word2007/2008 的 docx 文件。

　　 xlwt / xlrd – 從 Excel 文件讀取寫(xiě)入數(shù)據(jù)和格式信息。

　　 XlsxWriter – 一個(gè)創(chuàng)建 Excel.xlsx 文件的 Python 模塊。

　　 xlwings – 一個(gè) BSD 許可的庫(kù)，可以很容易地在 Excel 中調(diào)用 Python ，反之亦然。

　　 openpyxl – 一個(gè)用于讀取和寫(xiě)入的 Excel2010 XLSX/ XLSM/ xltx/ XLTM 文件的庫(kù)。

　　 Marmir – 提取 Python 數(shù)據(jù)結(jié)構(gòu)并將其轉(zhuǎn)換為電子表格。

　　 PDF

　　 PDFMiner – 一個(gè)從 PDF 文檔中提取信息的工具。

　　 PyPDF2 – 一個(gè)能夠分割、合并和轉(zhuǎn)換 PDF 頁(yè)面的庫(kù)。

　　 ReportLab – 允許快速創(chuàng)建豐富的 PDF 文檔。

　　 pdftables – 直接從 PDF 文件中提取表格。

　　 Markdown

　　 Python-Markdown – 一個(gè)用 Python 實(shí)現(xiàn)的 John Gruber 的 Markdown 。

　　 Mistune – 速度最快，功能全面的 Markdown 純 Python 解析器。

　　 markdown2 – 一個(gè)完全用 Python 實(shí)現(xiàn)的快速的 Markdown 。

　　 YAML

　　 PyYAML – 一個(gè) Python 的 YAML 解析器。

　　 CSS

　　 cssutils – 一個(gè) Python 的 CSS 庫(kù)。

　　 ATOM/RSS

　　 feedparser – 通用的 feed 解析器。

　　 SQL

　　 sqlparse – 一個(gè)非驗(yàn)證的 SQL 語(yǔ)句分析器。

　　 HTTP

　　 HTTP

　　 http-parser – C 語(yǔ)言實(shí)現(xiàn)的 HTTP 請(qǐng)求 / 響應(yīng)消息解析器。

　　 微格式

　　 opengraph – 一個(gè)用來(lái)解析 Open Graph 協(xié)議標(biāo)簽的 Python 模塊。

　　 可移植的執(zhí)行體

　　 pefile – 一個(gè)多平臺(tái)的用于解析和處理可移植執(zhí)行體（即 PE ）文件的模塊。

　　 PSD

　　 psd-tools – 將 Adobe Photoshop PSD （即 PE ）文件讀取到 Python 數(shù)據(jù)結(jié)構(gòu)。

　　 自然語(yǔ)言處理

　　 處理人類(lèi)語(yǔ)言問(wèn)題的庫(kù)。

　　 NLTK - 編寫(xiě) Python 程序來(lái)處理人類(lèi)語(yǔ)言數(shù)據(jù)的最好平臺(tái)。

　　 Pattern – Python 的網(wǎng)絡(luò)挖掘模塊。他有自然語(yǔ)言處理工具，機(jī)器學(xué)習(xí)以及其它。

　　 TextBlob – 為深入自然語(yǔ)言處理任務(wù)提供了一致的 API 。是基于 NLTK 以及 Pattern 的巨人之肩上發(fā)展的。

　　 jieba – 中文分詞工具。

　　 SnowNLP – 中文文本處理庫(kù)。

　　 loso – 另一個(gè)中文分詞庫(kù)。

　　 genius – 基于條件隨機(jī)域的中文分詞。

　　 langid.py – 獨(dú)立的語(yǔ)言識(shí)別系統(tǒng)。

　　 Korean – 一個(gè)韓文形態(tài)庫(kù)。

　　 pymorphy2 – 俄語(yǔ)形態(tài)分析器（詞性標(biāo)注 + 詞形變化引擎）。

　　 PyPLN – 用 Python 編寫(xiě)的分布式自然語(yǔ)言處理通道。這個(gè)項(xiàng)目的目標(biāo)是創(chuàng)建一種簡(jiǎn)單的方法使用 NLTK 通過(guò)網(wǎng)絡(luò)接口處理大語(yǔ)言庫(kù)。

　　 瀏覽器自動(dòng)化與仿真

　　 selenium – 自動(dòng)化真正的瀏覽器（ Chrome 瀏覽器，火狐瀏覽器， Opera 瀏覽器， IE 瀏覽器）。

　　 Ghost.py – 對(duì) PyQt 的 webkit 的封裝（需要 PyQT ）。

　　 Spynner – 對(duì) PyQt 的 webkit 的封裝（需要 PyQT ）。

　　 Splinter – 通用 API 瀏覽器模擬器（ selenium web 驅(qū)動(dòng)， Django 客戶端， Zope ）。

　　 多重處理

　　 threading – Python 標(biāo)準(zhǔn)庫(kù)的線程運(yùn)行。對(duì)于 I/O 密集型任務(wù)很有效。對(duì)于 CPU 綁定的任務(wù)沒(méi)用，因?yàn)?python GIL 。

　　 multiprocessing – 標(biāo)準(zhǔn)的 Python 庫(kù)運(yùn)行多進(jìn)程。

　　 celery – 基于分布式消息傳遞的異步任務(wù)隊(duì)列 / 作業(yè)隊(duì)列。

　　 concurrent-futures – concurrent-futures 模塊為調(diào)用異步執(zhí)行提供了一個(gè)高層次的接口。

　　 異步

　　 異步網(wǎng)絡(luò)編程庫(kù)

　　 asyncio – （在 Python 3.4 + 版本以上的 Python 標(biāo)準(zhǔn)庫(kù)）異步 I/O ，時(shí)間循環(huán)，協(xié)同程序和任務(wù)。

　　 Twisted – 基于事件驅(qū)動(dòng)的網(wǎng)絡(luò)引擎框架。

　　 Tornado – 一個(gè)網(wǎng)絡(luò)框架和異步網(wǎng)絡(luò)庫(kù)。

　　 pulsar – Python 事件驅(qū)動(dòng)的并發(fā)框架。

　　 diesel – Python 的基于綠色事件的 I/O 框架。

　　 gevent – 一個(gè)使用 greenlet 的基于協(xié)程的 Python 網(wǎng)絡(luò)庫(kù)。

　　 eventlet – 有 WSGI 支持的異步框架。

　　 Tomorrow – 異步代碼的奇妙的修飾語(yǔ)法。

　　 隊(duì)列

　　 celery – 基于分布式消息傳遞的異步任務(wù)隊(duì)列 / 作業(yè)隊(duì)列。

　　 huey – 小型多線程任務(wù)隊(duì)列。

　　 mrq – Mr. Queue – 使用 redis & Gevent 的 Python 分布式工作任務(wù)隊(duì)列。

　　 RQ – 基于 Redis 的輕量級(jí)任務(wù)隊(duì)列管理器。

　　 simpleq – 一個(gè)簡(jiǎn)單的，可無(wú)限擴(kuò)展，基于 Amazon SQS 的隊(duì)列。

　　 python-gearman – Gearman 的 Python API 。

　　 云計(jì)算

　　 picloud – 云端執(zhí)行 Python 代碼。

　　 /tupian/20230522/ – 云端執(zhí)行 R ， Python 和 matlab 代碼。

　　 電子郵件

　　 電子郵件解析庫(kù)

　　 flanker – 電子郵件地址和 Mime 解析庫(kù)。

　　 Talon – Mailgun 庫(kù)用于提取消息的報(bào)價(jià)和簽名。

　　 網(wǎng)址和網(wǎng)絡(luò)地址操作

　　 解析/ 修改網(wǎng)址和網(wǎng)絡(luò)地址庫(kù)。

　　 URL

　　 furl – 一個(gè)小的 Python 庫(kù)，使得操縱 URL 簡(jiǎn)單化。

　　 purl – 一個(gè)簡(jiǎn)單的不可改變的 URL 以及一個(gè)干凈的用于調(diào)試和操作的 API 。

　　 urllib.parse – 用于打破統(tǒng)一資源定位器（ URL ）的字符串在組件（尋址方案，網(wǎng)絡(luò)位置，路徑等）之間的隔斷，為了結(jié)合組件到一個(gè) URL 字符串，并將“相對(duì) URL ”轉(zhuǎn)化為一個(gè)絕對(duì) URL ，稱(chēng)之為“基本 URL ”。

　　 tldextract – 從 URL 的注冊(cè)域和子域中準(zhǔn)確分離 TLD ，使用公共后綴列表。

　　 網(wǎng)絡(luò)地址

　　 netaddr – 用于顯示和操縱網(wǎng)絡(luò)地址的 Python 庫(kù)。

　　 網(wǎng)頁(yè)內(nèi)容提取

　　 提取網(wǎng)頁(yè)內(nèi)容的庫(kù)。

　　 HTML 頁(yè)面的文本和元數(shù)據(jù)

　　 newspaper – 用 Python 進(jìn)行新聞提取、文章提取和內(nèi)容策展。

　　 html2text – 將 HTML 轉(zhuǎn)為 Markdown 格式文本。

　　 python-goose – HTML 內(nèi)容 / 文章提取器。

　　 lassie – 人性化的網(wǎng)頁(yè)內(nèi)容檢索工具

　　 micawber – 一個(gè)從網(wǎng)址中提取豐富內(nèi)容的小庫(kù)。

　　 sumy - 一個(gè)自動(dòng)匯總文本文件和 HTML 網(wǎng)頁(yè)的模塊

　　 Haul – 一個(gè)可擴(kuò)展的圖像爬蟲(chóng)。

　　 python-readability – arc90 readability 工具的快速 Python 接口。

　　 scrapely – 從 HTML 網(wǎng)頁(yè)中提取結(jié)構(gòu)化數(shù)據(jù)的庫(kù)。給出了一些 Web 頁(yè)面和數(shù)據(jù)提取的示例， scrapely 為所有類(lèi)似的網(wǎng)頁(yè)構(gòu)建一個(gè)分析器。

　　 視頻

　　 youtube-dl – 一個(gè)從 YouTube 下載視頻的小命令行程序。

　　 you-get – Python3 的 YouTube 、優(yōu)酷 / Niconico 視頻下載器。

　　 維基

　　 WikiTeam – 下載和保存 wikis 的工具。

　　 WebSocket

　　 用于WebSocket 的庫(kù)。

　　 Crossbar – 開(kāi)源的應(yīng)用消息傳遞路由器（ Python 實(shí)現(xiàn)的用于 Autobahn 的 WebSocket 和 WAMP ）。

　　 AutobahnPython – 提供了 WebSocket 協(xié)議和 WAMP 協(xié)議的 Python 實(shí)現(xiàn)并且開(kāi)源。

　　 WebSocket-for-Python – Python 2 和 3 以及 PyPy 的 WebSocket 客戶端和服務(wù)器庫(kù)。

　　 DNS 解析

　　 dnsyo – 在全球超過(guò) 1500 個(gè)的 DNS 服務(wù)器上檢查你的 DNS 。

　　 pycares – c-ares 的接口。 c-ares 是進(jìn)行 DNS 請(qǐng)求和異步名稱(chēng)決議的 C 語(yǔ)言庫(kù)。

　　 計(jì)算機(jī)視覺(jué)

　　 OpenCV – 開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)。

　　 SimpleCV – 用于照相機(jī)、圖像處理、特征提取、格式轉(zhuǎn)換的簡(jiǎn)介，可讀性強(qiáng)的接口（基于 OpenCV ）。

　　 mahotas – 快速計(jì)算機(jī)圖像處理算法（完全使用 C++ 實(shí)現(xiàn)），完全基于 numpy 的數(shù)組作為它的數(shù)據(jù)類(lèi)型。

　　 代理服務(wù)器

　　 shadowsocks – 一個(gè)快速隧道代理，可幫你穿透防火墻（支持 TCP 和 UDP ， TFO ，多用戶和平滑重啟，目的 IP 黑名單）。

　　 tproxy – tproxy 是一個(gè)簡(jiǎn)單的 TCP 路由代理（第 7 層），基于 Gevent ，用 Python 進(jìn)行配置。

　　 其他Python 工具列表

　　 awesome-python

　　 pycrumbs

　　 python-github-projects

　　 python_reference

　　 pythonidae

分享題目：好程序員Python培訓(xùn)分享Python爬蟲(chóng)工具列表大全-創(chuàng)新互聯(lián)
地址分享：http://vcdvsql.cn/article30/dipipo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、外貿(mào)建站、全網(wǎng)營(yíng)銷(xiāo)推廣、微信公眾號(hào)、網(wǎng)站設(shè)計(jì)、企業(yè)網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)