亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

Python 爬蟲的工具列表大全

系統 1519 0

網絡

  • 通用

    • urllib -網絡庫(stdlib)。

    • requests -網絡庫。

    • grab ?C 網絡庫(基于pycurl)。

    • pycurl ?C 網絡庫(綁定libcurl)。

    • urllib3 ?C Python HTTP庫,安全連接池、支持文件post、可用性高。

    • httplib2 ?C 網絡庫。

    • RoboBrowser ?C 一個簡單的、極具Python風格的Python庫,無需獨立的瀏覽器即可瀏覽網頁。

    • MechanicalSoup -一個與網站自動交互Python庫。

    • mechanize -有狀態、可編程的Web瀏覽庫。

    • socket ?C 底層網絡接口(stdlib)。

    • Unirest for Python ?C Unirest是一套可用于多種語言的輕量級的HTTP庫。

    • hyper ?C Python的HTTP/2客戶端。

    • PySocks ?C SocksiPy更新并積極維護的版本,包括錯誤修復和一些其他的特征。作為socket模塊的直接替換。

  • 異步

    • treq ?C 類似于requests的API(基于twisted)。

    • aiohttp ?C asyncio的HTTP客戶端/服務器(PEP-3156)。

網絡爬蟲框架

  • 功能齊全的爬蟲

    • grab ?C 網絡爬蟲框架(基于pycurl/multicur)。

    • scrapy ?C 網絡爬蟲框架(基于twisted),不支持Python3。

    • pyspider ?C 一個強大的爬蟲系統。

    • cola ?C 一個分布式爬蟲框架。

  • 其他

    • portia ?C 基于Scrapy的可視化爬蟲。

    • restkit ?C Python的HTTP資源工具包。它可以讓你輕松地訪問HTTP資源,并圍繞它建立的對象。

    • demiurge ?C 基于PyQuery的爬蟲微框架。

HTML/XML解析器

  • 通用

    • lxml ?C C語言編寫高效HTML/ XML處理庫。支持XPath。

    • cssselect ?C 解析DOM樹和CSS選擇器。

    • pyquery ?C 解析DOM樹和jQuery選擇器。

    • BeautifulSoup ?C 低效HTML/ XML處理庫,純Python實現。

    • html5lib ?C 根據WHATWG規范生成HTML/ XML文檔的DOM。該規范被用在現在所有的瀏覽器上。

    • feedparser ?C 解析RSS/ATOM feeds。

    • MarkupSafe ?C 為XML/HTML/XHTML提供了安全轉義的字符串。

    • xmltodict ?C 一個可以讓你在處理XML時感覺像在處理JSON一樣的Python模塊。

    • xhtml2pdf ?C 將HTML/CSS轉換為PDF。

    • untangle ?C 輕松實現將XML文件轉換為Python對象。

  • 清理

    • Bleach ?C 清理HTML(需要html5lib)。

    • sanitize ?C 為混亂的數據世界帶來清明。

文本處理

用于解析和操作簡單文本的庫。

  • 通用

  • difflib ?C (Python標準庫)幫助進行差異化比較。

  • Levenshtein ?C 快速計算Levenshtein距離和字符串相似度。

  • fuzzywuzzy ?C 模糊字符串匹配。

  • esmre ?C 正則表達式加速器。

  • ftfy ?C 自動整理Unicode文本,減少碎片化。

  • 轉換

  • unidecode ?C 將Unicode文本轉為ASCII。

  • 字符編碼

  • uniout ?C 打印可讀字符,而不是被轉義的字符串。

  • chardet ?C 兼容 Python的2/3的字符編碼器。

  • xpinyin ?C 一個將中國漢字轉為拼音的庫。

  • pangu.py ?C 格式化文本中CJK和字母數字的間距。

  • Slug化

  • awesome-slugify ?C 一個可以保留unicode的Python slugify庫。

  • python-slugify ?C 一個可以將Unicode轉為ASCII的Python slugify庫。

  • unicode-slugify ?C 一個可以將生成Unicode slugs的工具。

  • pytils ?C 處理俄語字符串的簡單工具(包括pytils.translit.slugify)。

  • 通用解析器

  • PLY ?C lex和yacc解析工具的Python實現。

  • pyparsing ?C 一個通用框架的生成語法分析器。

  • 人的名字

  • python-nameparser -解析人的名字的組件。

  • 電話號碼

  • phonenumbers -解析,格式化,存儲和驗證國際電話號碼。

  • 用戶代理字符串

  • python-user-agents ?C 瀏覽器用戶代理的解析器。

  • HTTP Agent Parser ?C 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。

  • 通用

  • tablib ?C 一個把數據導出為XLS、CSV、JSON、YAML等格式的模塊。

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

  • messytables ?C 解析混亂的表格數據的工具。

  • rows ?C 一個常用數據接口,支持的格式很多(目前支持CSV,HTML,XLS,TXT ?C 將來還會提供更多!)。

  • Office

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

  • xlwt / xlrd ?C 從Excel文件讀取寫入數據和格式信息。

  • XlsxWriter ?C 一個創建Excel.xlsx文件的Python模塊。

  • xlwings ?C 一個BSD許可的庫,可以很容易地在Excel中調用Python,反之亦然。

  • openpyxl ?C 一個用于讀取和寫入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的庫。

  • Marmir ?C 提取Python數據結構并將其轉換為電子表格。

  • PDF

  • PDFMiner ?C 一個從PDF文檔中提取信息的工具。

  • PyPDF2 ?C 一個能夠分割、合并和轉換PDF頁面的庫。

  • ReportLab ?C 允許快速創建豐富的PDF文檔。

  • pdftables ?C 直接從PDF文件中提取表格。

  • Markdown

  • Python-Markdown ?C 一個用Python實現的John Gruber的Markdown。

  • Mistune ?C 速度最快,功能全面的Markdown純Python解析器。

  • markdown2 ?C 一個完全用Python實現的快速的Markdown。

  • YAML

  • PyYAML ?C 一個Python的YAML解析器。

  • CSS

  • cssutils ?C 一個Python的CSS庫。

  • ATOM/RSS

  • feedparser ?C 通用的feed解析器。

  • SQL

  • sqlparse ?C 一個非驗證的SQL語句分析器。

  • HTTP

  • HTTP

  • http-parser ?C C語言實現的HTTP請求/響應消息解析器。

  • 微格式

  • opengraph ?C 一個用來解析Open Graph協議標簽的Python模塊。

  • 可移植的執行體

  • pefile ?C 一個多平臺的用于解析和處理可移植執行體(即PE)文件的模塊。

  • PSD

  • psd-tools ?C 將Adobe Photoshop PSD(即PE)文件讀取到Python數據結構。

自然語言處理

處理人類語言問題的庫。

  • NLTK -編寫Python程序來處理人類語言數據的最好平臺。

  • Pattern ?C Python的網絡挖掘模塊。他有自然語言處理工具,機器學習以及其它。

  • TextBlob ?C 為深入自然語言處理任務提供了一致的API。是基于NLTK以及Pattern的巨人之肩上發展的。

  • jieba ?C 中文分詞工具。

  • SnowNLP ?C 中文文本處理庫。

  • loso ?C 另一個中文分詞庫。

  • genius ?C 基于條件隨機域的中文分詞。

  • langid.py ?C 獨立的語言識別系統。

  • Korean ?C 一個韓文形態庫。

  • pymorphy2 ?C 俄語形態分析器(詞性標注+詞形變化引擎)。

  • PyPLN ?C 用Python編寫的分布式自然語言處理通道。這個項目的目標是創建一種簡單的方法使用NLTK通過網絡接口處理大語言庫。

瀏覽器自動化與仿真

  • selenium ?C 自動化真正的瀏覽器(Chrome瀏覽器,火狐瀏覽器,Opera瀏覽器,IE瀏覽器)。

  • Ghost.py ?C 對PyQt的webkit的封裝(需要PyQT)。

  • Spynner ?C 對PyQt的webkit的封裝(需要PyQT)。

  • Splinter ?C 通用API瀏覽器模擬器(selenium web驅動,Django客戶端,Zope)。

多重處理

  • threading ?C Python標準庫的線程運行。對于I/O密集型任務很有效。對于CPU綁定的任務沒用,因為python GIL。

  • multiprocessing ?C 標準的Python庫運行多進程。

  • celery ?C 基于分布式消息傳遞的異步任務隊列/作業隊列。

  • concurrent-futures ?C concurrent-futures 模塊為調用異步執行提供了一個高層次的接口。

異步

異步網絡編程庫

  • asyncio ?C (在Python 3.4 +版本以上的 Python標準庫)異步I/O,時間循環,協同程序和任務。

  • Twisted ?C 基于事件驅動的網絡引擎框架。

  • Tornado ?C 一個網絡框架和異步網絡庫。

  • pulsar ?C Python事件驅動的并發框架。

  • diesel ?C Python的基于綠色事件的I/O框架。

  • gevent ?C 一個使用greenlet 的基于協程的Python網絡庫。

  • eventlet ?C 有WSGI支持的異步框架。

  • Tomorrow ?C 異步代碼的奇妙的修飾語法。

隊列

  • celery ?C 基于分布式消息傳遞的異步任務隊列/作業隊列。

  • huey ?C 小型多線程任務隊列。

  • mrq ?C Mr. Queue ?C 使用redis & Gevent 的Python分布式工作任務隊列。

  • RQ ?C 基于Redis的輕量級任務隊列管理器。

  • simpleq ?C 一個簡單的,可無限擴展,基于Amazon SQS的隊列。

  • python-gearman ?C Gearman的Python API。

云計算

  • picloud ?C 云端執行Python代碼。

  • dominoup.com ?C 云端執行R,Python和matlab代碼。

電子郵件

電子郵件解析庫

  • flanker ?C 電子郵件地址和Mime解析庫。

  • Talon ?C Mailgun庫用于提取消息的報價和簽名。

網址和網絡地址操作

解析/修改網址和網絡地址庫。

  • URL

    • furl ?C 一個小的Python庫,使得操縱URL簡單化。

    • purl ?C 一個簡單的不可改變的URL以及一個干凈的用于調試和操作的API。

    • urllib.parse ?C 用于打破統一資源定位器(URL)的字符串在組件(尋址方案,網絡位置,路徑等)之間的隔斷,為了結合組件到一個URL字符串,并將“相對URL”轉化為一個絕對URL,稱之為“基本URL”。

    • tldextract ?C 從URL的注冊域和子域中準確分離TLD,使用公共后綴列表。

  • 網絡地址

    • netaddr ?C 用于顯示和操縱網絡地址的Python庫。

網頁內容提取

提取網頁內容的庫。

  • HTML頁面的文本和元數據

    • newspaper ?C 用Python進行新聞提取、文章提取和內容策展。

    • html2text ?C 將HTML轉為Markdown格式文本。

    • python-goose ?C HTML內容/文章提取器。

    • lassie ?C 人性化的網頁內容檢索工具

    • micawber ?C 一個從網址中提取豐富內容的小庫。

    • sumy -一個自動匯總文本文件和HTML網頁的模塊

    • Haul ?C 一個可擴展的圖像爬蟲。

    • python-readability ?C arc90 readability工具的快速Python接口。

    • scrapely ?C 從HTML網頁中提取結構化數據的庫。給出了一些Web頁面和數據提取的示例,scrapely為所有類似的網頁構建一個分析器。

  • 視頻

    • youtube-dl ?C 一個從YouTube下載視頻的小命令行程序。

    • you-get ?C Python3的YouTube、優酷/ Niconico視頻下載器。

  • 維基

    • WikiTeam ?C 下載和保存wikis的工具。

WebSocket

用于WebSocket的庫。

  • Crossbar ?C 開源的應用消息傳遞路由器(Python實現的用于Autobahn的WebSocket和WAMP)。

  • AutobahnPython ?C 提供了WebSocket協議和WAMP協議的Python實現并且開源。

  • WebSocket-for-Python ?C Python 2和3以及PyPy的WebSocket客戶端和服務器庫。

DNS解析

  • dnsyo ?C 在全球超過1500個的DNS服務器上檢查你的DNS。

  • pycares ?C c-ares的接口。c-ares是進行DNS請求和異步名稱決議的C語言庫。

計算機視覺

  • OpenCV ?C 開源計算機視覺庫。

  • SimpleCV ?C 用于照相機、圖像處理、特征提取、格式轉換的簡介,可讀性強的接口(基于OpenCV)。

  • mahotas ?C 快速計算機圖像處理算法(完全使用 C++ 實現),完全基于 numpy 的數組作為它的數據類型。

代理服務器

  • shadowsocks ?C 一個快速隧道代理,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 ?C tproxy是一個簡單的TCP路由代理(第7層),基于Gevent,用Python進行配置。

其他Python工具列表

  • awesome-python

  • pycrumbs

  • python-github-projects

  • python_reference

  • pythonidae


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 丁香狠狠色婷婷久久综合 | 久久国产精品免费观看 | 超清波多野结衣精品一区 | 99九九精品国产高清自在线 | 青青草a免费线观a | 午夜性盈盈 | 九九精品免费观看在线 | 亚洲国产精品久久久天堂麻豆 | 性色生活免费看性大片 | 久草手机在线 | 99精品欧美一区二区三区 | 国产a视频| 嫩草社区 | 99er这里只有精品 | 女性一级全黄生活片 | 日本视频中文字幕 | 国产精品19p | 一级毛片免费的 | 99久久亚洲国产高清观看 | 九九爱精品视频 | 日韩在线第三页 | 午夜欧美成人 | 天天操天天艹 | 精品国产综合 | 免费一级毛片在线观看 | h片网站在线观看 | 久久精品亚洲欧美日韩久久 | 欧美性xxx久久 | 视频一区在线免费观看 | 色综合久久中文 | 亚洲精品久久精品h成人 | 精品久久久久久蜜臂a∨ | 亚洲精品一区91 | 18在线观看 | 欧美成人精品一区二三区在线观看 | 亚洲国产精品久久精品成人 | 亚州精品一区二区三区 | 日本嫩小xxxxhd | 成人网中文字幕色 | 国产乱码一区二区三区 | 久久亚洲国产欧洲精品一 |