爬虫笔记1：Python爬虫常用库

请求库： 1、urllib：urllib库是Python3自带的库（Python2有urllib和urllib2，到了Python3统一为urllib），这个库是爬虫里最简单的库。 2、requests：requests属于第三方库，使用起来比urllib要简单不少，且功能更加强大，是最常用的请求库。 3、Selenium：Selenium属于第三方库，它是一个自动化测试工具，可以利用它自动完成浏览器的操作，如点击，下拉，拖拽等等，通常完成ajax复杂的操作。

解析库： 1、lxml：属于第三方库，支持HTML和xml的解析，支持XPath的解析方式，解析效率非常高。 2、Beautiful Soup：属于第三方库，API强大，使用也方便。 3、pyquery：属于第三方库，功能强大在于css选择器上，对jQuery比较了解的话使用pyquery将会十分方便，因此我也比较推荐使用pyquery。

存储库： 1、PyMySQL：MySQL作为最常用的数据库之一，PyMySQL也是爬虫后存储数据的非常好的选择，它可以实现对数据库的创建表，增删查改等操作。 2、PyMongo：PyMongo是和MongoDB进行交互的库。 3、redis-py：redis-py是和Redis进行交互的库。

图像识别库： 1、tesserocr：tesserocr是Python使用OCR技术来识别图像，本质是对tesseract做一层API的封装，所以在安装tesserocr之前必须先安装tesseract。

爬虫框架 1、pyspider：pyspider 是由国人 binux 编写的强大的网络爬虫系统，它带有强大的 WebUI、脚本编辑器、任务监控器、项目管理以及结果处理器，它支持多种数据库后端、多种消息队列、JavaScript 渲染页面的爬取。依赖库有PhantomJS。 2、Scrapy：功能极其强大，依赖库较多。