Python3 常用爬虫库的安装

2023-03-11 15:11:28

Python3 常用爬虫库的安装

1 简介

Windows下安装Python3常用的爬虫库：requests、selenium、beautifulsoup4、pyquery、pymysql、pymongo、redis、flask、django、jupyter和scrapy框架。

进入控制台，用pip3 list命令查看系统已经安装了哪些第三方包：

DEPRECATION: The default format will switch to columns in the future. You can use --format=(legacy|columns) (or define a format=(legacy|columns) in your pip.conf under the [list] section) to disable this warning.

pip (9.0.1)

setuptools (28.8.0)

You are using pip version 9.0.1, however version 9.0.3 is available.

You should consider upgrading via the 'python -m pip install --upgrade pip' command.

结果显示已经安装了pip (9.0.1)和setuptools (28.8.0)，并提示pip可以升级到9.0.3版本，这个可以不用管。

Tips：若安装了多个Python版本，各自安装的第三方包是独立的。本机安装了Python2.7和Python3.6两个版本，命令行进入python修改为python2和python3，对应的pip命令修改为pip2和pip3，本机的第三方库全安装Python3.6版本下。

2 requests库的安装

这是Python用于网页请求的库，不是内置库，需要手动安装，可以用pip命令直接安装：

C:\Users\Strive>pip3 install requests

等待安装，没有意外，最后会提示requests库以及相关依赖库安装成功：

Successfully installed certifi-2018.1.18 chardet-3.0.4 idna-2.6 requests-2.18.4 urllib3-1.22

测试一下requests库，命令行进入python，并获取百度首页：

C:\Users\Strive>python3

Python 3.6.2 (v3.6.2:5fd33b5, Jul 8 2017, 04:14:34) [MSC v.1900 32 bit (Intel)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import requests

>>> requests.get('http://www.baidu.com')

<Response [200]>

返回响应码200，说明requests库安装正常。

3 selenium库的安装

当请求用JS渲染的页面时，requests库是无法正常获取到页面结果的，这个时候就需要用到selenium库，该库可以驱动浏览器来获得JS渲染后的页面，可以用pip命令直接安装：

C:\Users\Strive>pip3 install selenium

等待安装，没有意外，最后会提示selenium库（没有依赖库）安装成功的信息：

Successfully installed selenium-3.11.0

测试一下selenium库，命令行进入python，驱动Chrome进入百度首页：

C:\Users\Strive>python3

Python 3.6.2 (v3.6.2:5fd33b5, Jul 8 2017, 04:14:34) [MSC v.1900 32 bit (Intel)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> from selenium import webdriver

>>> driver = webdriver.Chrome()

Traceback (most recent call last):

    File "D:\Python\Python36-32\lib\site-packages\selenium\webdriver\common\service.py", line 76, in start

stdin=PIPE)

    File "D:\Python\Python36-32\lib\subprocess.py", line 707, in __init__

restore_signals, start_new_session)

    File "D:\Python\Python36-32\lib\subprocess.py", line 992, in _execute_child

startupinfo)

FileNotFoundError: [WinError 2] 系统找不到指定的文件。

During handling of the above exception, another exception occurred:

Traceback (most recent call last):

    File "<stdin>", line 1, in <module>

    File "D:\Python\Python36-32\lib\site-packages\selenium\webdriver\chrome\webdriver.py", line 68, in __init__

        self.service.start()

    File "D:\Python\Python36-32\lib\site-packages\selenium\webdriver\common\service.py", line 83, in start

        os.path.basename(self.path), self.start_error_message)

selenium.common.exceptions.WebDriverException: Message: 'chromedriver' executable needs to be in PATH. Please see https://sites.google.com/a/chromium.org/chromedriver/home

结果显示chromedriver没有配置到环境变量中，并给出了chromedriver的下载地址：https://sites.google.com/a/chromium.org/chromedriver/home 因为本机没有*，这个地址打不开，上百度搜索镜像，并下载对应的Chrome浏览器驱动：http://npm.taobao.org/mirrors/chromedriver/ 下载最新的版本2.9，解压到当前文件夹，并将chromedriver.exe文件复制到D:\Python\Python36-32\Scripts目录，该目录已经配置到了环境变量中。然后用上述命令继续测试：

C:\Users\Strive>python3

Python 3.6.2 (v3.6.2:5fd33b5, Jul 8 2017, 04:14:34) [MSC v.1900 32 bit (Intel)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> from selenium import webdriver

>>> driver = webdriver.Chrome()

DevTools listening on ws://127.0.0.1:12734/devtools/browser/7496d615-f493-4f91-ab7e-4a2ac81012b9

这时会弹出一个空白的Chrome窗口。继续获取百度首页面：

>>> driver.get('http://www.baidu.com')

结果报错：

        raise exception_class(message, screen, stacktrace)

selenium.common.exceptions.WebDriverException: Message: unknown error: Runtime.executionContextCreated has invalid 'context': {"auxData":{"frameId":"E43AB8BE7AF397B6CDDD47425C8396BF","isDefault":true},"id":1,"name":"","origin":"://"}

    (Session info: chrome=65.0.3325.146)

    (Driver info: chromedriver=2.9.248315,platform=Windows NT 6.3 x86_64)

chromedriver版本与Chrome版本不匹配，chromedriver版本太高，重新下一个版本替换掉上一个chromedriver.exe，在notes.txt中可以查看chromedriver对应的Chrome版本，本机Chrome版本为版本 65.0.3325.146（正式版本） （64 位），下载chromedriver2.37版本，继续测试：

>>>driver.get('http://www.baidu.com')

界面可以正常显示百度首页。接下来获取网页源码：

>>>driver.page_source

Tips：若下载的chromedriver版本不支持你的Chrome还会继续报错，请下载符合你Chrome的chromedriver。

4 phantomjs浏览器的安装

phantomjs是一个*面的浏览器，在使用爬虫模拟浏览器操作的时候不会出现浏览器界面，操作非常方便。phantomjs的下载地址：http://phantomjs.org/download.html

直接下载最新版本即可。将解压后的phantomjs-2.1.1-windows目录剪切到D:\Python\Python36-32目录下，并将D:\Python\Python36-32\phantomjs-2.1.1-windows\bin目录配置到用户环境变量中去。命令行进入phantomjs命令：

C:\Users\Strive>phantomjs

phantomjs>

这个交互模式就可以执行js程序。接下来命令行进入python，用phantomjs请求百度首页，并获取网页源代码：

C:\Users\Strive>python3

Python 3.6.2 (v3.6.2:5fd33b5, Jul 8 2017, 04:14:34) [MSC v.1900 32 bit (Intel)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> from selenium import webdriver

>>> driver = webdriver.PhantomJS()

D:\Python\Python36-32\lib\site-packages\selenium\webdriver\phantomjs\webdriver.py:49: UserWarning: Selenium support for PhantomJS has been deprecated, please use headless versions of Chrome or Firefox instead

    warnings.warn('Selenium support for PhantomJS has been deprecated, please use headless '

>>> driver.get('http://www.baidu.com')

>>> driver.page_source

能够成功获取百度首页代码，这个过程中并没有出现浏览器窗口，结果提示Selenium已经废弃了对PhantomJS的支持，请使用Chrome的headless模式。

5 lxml库的安装

lxml提供xpath的解析方式，可以对网页进行高效的解析。可以使用pip命令直接安装：

C:\Users\Strive>pip3 install lxml

等待安装，不出意外，会出现安装成功提示：

Successfully installed lxml-4.2.1

结果提示成功安装lxml-4.2.1版本。如果使用pip命令安装网速较慢，可以直接到：https://pypi.python.org/pypi/lxml 下载对应的lxml的.whl文件，然后用pip命令进行本地安装：

C:\Users\Strive>pip3 install file_path/file_name

Tips：需要下载和Python版本对应的lxml版本并且已经安装了whl库。

6 beautifulsoup库的安装

beautifulsoup同样是一个高效的网页解析库，并且其依赖于lxml库， 在安装beautifulsoup库前先安装好lxml库。可以直接使用pip命令直接安装：

C:\Users\Strive>pip3 install beautifulsoup4

beautifulsoup4表示beautifulsoup的第四个版本。等待安装，会出现安装成功提示：

Successfully installed beautifulsoup4-4.6.0

7 pyquery库的安装

pyquery库同样是一个网页解析库，可以使用pip命令直接安装：

C:\Users\Strive>pip3 install pyquery

等待安装，会出现安装成功提示：

Successfully installed cssselect-1.0.3 pyquery-1.4.0

8 pymysql库的安装

pymysql是操作mysql数据库的第三方库，可以用pip命令直接安装：

C:\Users\Strive>pip3 install pymysql

等待安装，会出现安装成功提示：

Successfully installed pymysql-0.8.0

9 pymongo库安装

pymongo是操作Mongodb数据库的第三方库，可以用pip命令直接安装：

C:\Users\Strive>pip3 install pymongo

等待安装，会出现安装成功提示：

Successfully installed pymongo-3.6.1

10 redis库的安装

redis是一个非关系型数据库，以键值对的形式存储数据，在分布式爬虫中用于为维护一个公共爬取队列。可以用pip命令直接安装redis库：

C:\Users\Strive>pip3 install redis

等待安装，会出现安装成功提示：

Successfully installed redis-2.10.6

11 flask库的安装

flask是一个web库，爬虫中用于代理的一些设置，设置web服务器，来设置代理的获取或者存储。flask的官网：http://flask.pocoo.org/docs/0.12/

可以用pip命令直接安装：

C:\Users\Strive>pip3 install flask

等待安装，该库有很多的依赖库需要安装，会出现安装成功提示：

Successfully installed Werkzeug-0.14.1 click-6.7 flask-0.12.2 itsdangerous-0.24

12 django库的安装

django是一个web服务器框架，提供完整的后台管理，接口和路由等。django的官网：https://docs.djangoproject.com/en/2.0/

用pip命令直接安装：

C:\Users\Strive>pip3 install django

等待安装，出现安装成功提示：

Successfully installed django-2.0.3 pytz-2018.3

13 jupyter库的安装

jupyter是一个运行在网页端的notebook,支持代码编译和markdown语法，用pip命令直接安装：

C:\Users\Strive>pip3 install jupyter

等待安装，出现安装成功提示：

Successfully installed jupyter-1.0.0 jupyter-console-5.2.0 qtconsole-4.3.1

然后命令行输入：

C:\Users\Strive>jupyter notebook

或者：

C:\Users\Strive>ipython notebook

都可以启动jupyter。

14 scrapy框架安装

14.1 安装环境

计算机系统64位，Python版本3.6.2 32位。

14.2  wheel库安装

用于安装.whl后缀文件，直接使用pip命令进行安装：

C:\Users\Strive>pip3 install wheel

14.3 lxml库安装

参考第5章lxml库的安装。

14.4 pyOpenSSL库安装

在地址：https://pypi.python.org/pypi/pyOpenSSL#downloads 下载pyOpenSSL-17.5.0-py2.py3-none-any.whl (md5, pgp)文件到本地，然后使用pip命令进行安装：

C:\Users\Strive>pip3 install path/pyOpenSSL-17.5.0-py2.py3-none-any.whl

Tips：需要完整的文件路径以及带上文件后缀名.whl

14.5 Twisted库安装

在地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted 下载Twisted‑17.9.0‑cp36‑cp36m‑win32.whl文件到本地，然后使用pip命令进行安装：

C:\Users\Strive>pip3 install path/Twisted‑17.9.0‑cp36‑cp36m‑win32.whl

Tips: cp36代表Python版本为3.6，win32代表Python为32位，并不是系统版本是32位，如果Python版本为64为可以下载win_amd64的版本。

14.6 pywin32库安装

在地址：https://sourceforge.net/projects/pywin32/files/pywin32/Build 220/ 下载pywin32-220.win32-py3.6.exe文件到本地，win32代表的是Python版本为32位，若Python版本为64位，可以下载win-amd64的版本。然后执行下载好的exe文件，该文件会自动识别Python的版本以及安装路径，这里下载的Python3.6 32位的版本，会自动识别出来，但是安装程序会报一个如下错误：

Python version 3.6 required, which was not found in the registry

提示在系统注册表中找不到3.6版本的Python，但实际上Python是已经安装好并能正常使用。这时需要在注册表将Python3.6的安装路径注册一下，win+r打开运行输入regedit代开注册表，找到HKEY_CURRENT_USER\SOFTWARE\Python\PythonCore下面有一个名为3.6-32注册项目文件。若本机下载的是win-amd64版本的exe文件，是能通过这个注册项目文件识别出Python的安装路径的，但是安装完成后是不匹配的，无法正常使用。因为我们的Python版本是32位的。所以我们需要在3.6-32的同级目录下新建一个3.6注册项目文件，然后将3.6-32项目下的HKEY_CURRENT_USER\SOFTWARE\Python\PythonCore\3.6-32\InstallPath和HKEY_CURRENT_USER\SOFTWARE\Python\PythonCore\3.6-32\PythonPath注册项目复制到3.6注册项目文件中（我是手动一个一个新建的。。。），然后再运行pywin32-220.win32-py3.6.exe文件，就能正常识别Python3.6的安装路径了。然后进行正常安装就行。安装完成进入Python验证一下：

C:\Users\Strive>python3

Python 3.6.2 (v3.6.2:5fd33b5, Jul 8 2017, 04:14:34) [MSC v.1900 32 bit (Intel)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import win32com

>>>

不报错，说明安装成功了。

14.7 scrapy库安装

在上述依赖库都安装成功后，使用pip命令直接安装scrapy库：

C:\Users\Strive>pip3 install scrapy

等待安装完成即可，然后输入scrapy出现如下提示：

C:\Users\Strive>scrapy

Scrapy 1.5.0 - no active project

Usage:

    scrapy <command> [options] [args]

Available commands:

    bench        Run quick benchmark test

    fetch        Fetch a URL using the Scrapy downloader

    genspider    Generate new spider using pre-defined templates

    runspider    Run a self-contained spider (without creating a project)

    settings     Get settings values

    shell        Interactive scraping console

    startproject Create new project

    version      Print Scrapy version

    view         Open URL in browser, as seen by Scrapy

    [ more ]     More commands available when run from project directory

Use "scrapy <command> -h" to see more info about a command

说明scrapy安装成功，可以正常使用。

15 Mongodb的安装和配置

15.1 Mongodb下载

15.2 Mongodb的启动

安装完Mongodb后，将D:\Python\MongoDB\Server\3.6\bin目录配置到系统环境变量中，就可以直接在控制台中直接使用bin目录下的可执行命令。但是此时在控制台中输入mongo命令，控制台提示连接Mongo失败，原因是安装完成后，没有配置数据存放位置。

15.3 Mongodb的配置

  • Mongodb的目录需求：Mongodb需要一个data\db目录来存放数据，一个logs目录来存放日志，一个etc目录来存放配置文件，这三个目录可以配置在任何地方，此时将logs目录配置为data的子目录，将data目录和etc目录配置在bin目录的同级目录下，也就是D:\Python\MongoDB\Server\3.6中。
  • Mongodb所需目录创建：
    • data目录： D:\Python\MongoDB\Server\3.6\data\db
    • logs目录： D:\Python\MongoDB\Server\3.6\data\logs\mongo.log
    • etc目录： D:\Python\MongoDB\Server\3.6\etc\mongo.config
  • 使用mongod命令配置数据库： 
    mongod --dbpath D:\Python\MongoDB\Server\3.6\data\db

    在控制台输入上述命令后按下回车，控制台显示：

    I NETWORK [initandlisten] waiting for connections on port 27017

    说明Mongodb启动成功，可以用本地浏览器访问：

    localhost:27017

    结果显示：

    It looks like you are trying to access MongoDB over HTTP on the native driver port.

    本机测试上述输入未能成功显示，log显示，但命令行可正常访问数据库，该问题有待解决：

    I NETWORK [conn1] Error receiving request from client: SSLHandshakeFailed: SSLHandshakeFailed.

    该命终端窗口不要关闭，令起一个终端，在命令行输入命令：

    mongo

    终端显示：

    MongoDB shell version v3.6.3
    
connecting to: mongodb://127.0.0.1:27017
    
MongoDB server version: 3.6.3
    
>

    成功访问数据库，就此Mongodb初步配置完成。

  • 使用mongod命令配置数据库为系统服务： 
    mongod --bind_ip 0.0.0.0 --dbpath D:\Python\MongoDB\Server\3.6\data\db --logpath D:\Python\MongoDB\Server\3.6\data\logs\mongo.log --logappend --port 27017 --serviceName "MongoDB" --serviceDisplayName "MongoDB" --install

    以管理员身份打开终端，输入上述命令，回车，然后在系统服务中查看是否有名为MongoDB的服务，可设置为自动启动，那么每次开机就可以直接使用Mongodb数据库了。

  • 使用etc\mongo.config配置数据库为系统服务：　　 
    mongod --config D:\Python\MongoDB\Server\3.6\etc\mongo.config --serviceName="MongoDB" --serviceDisplayName "MongoDB" --install

    以管理员身份打开终端，在终端中输入上述命令，同样可以将Mongodb启动配置为系统服务。其中配置文件mongo.config内容为：

    dbpath=D:\Python\MongoDB\Server\3.6\data\db
    
logpath=D:\Python\MongoDB\Server\3.6\data\logs\mongo.log
    
port=27017
    
logappend=true
    
bind_ip=0.0.0.0 

15.4 Mongodb的可视化软件Robomongo

16 AppiumPythonClient库的安装

使用Python的AppiumPythonClient库来操作Appium，此库继承Selenium，使用方法和Selenium有很多相似之处。

  • 下载地址：https://github.com/appium/python-client
  • 安装方法：直接使用pip命令进行安装 
    C:\Users\Strive>pip3 install Appium-Python-Client
    
Collecting Appium-Python-Client
    
  Downloading https://files.pythonhosted.org/packages/65/f4/b31229c97ecd03015f2e2abd79ee998f0b91977062d559270abda9f1f3fe/Appium-Python-Client-0.28.tar.gz
    
Requirement already satisfied: selenium>=2.47.0 in d:\python\python36-32\lib\site-packages (from Appium-Python-Client) (3.11.0)
    
Building wheels for collected packages: Appium-Python-Client
    
  Running setup.py bdist_wheel for Appium-Python-Client ... done
    
  Stored in directory: C:\Users\Strive\AppData\Local\pip\Cache\wheels\6c\66\5a\fdb958254e1879c10ae6b9c310672c147dd626de286b8a4900
    
Successfully built Appium-Python-Client
    
Installing collected packages: Appium-Python-Client
    
Successfully installed Appium-Python-Client-0.28 
上一篇：vue.js 二维码生成组件


下一篇：HTML DOM 介绍