Python工具 | 9个用来爬取网络站点的 Python 库

1️⃣Scrapy

一个开源和协作框架，用于从网站中提取所需的数据。 以快速，简单，可扩展的方式。

• 官网

2️⃣cola

一个分布式爬虫框架。

• GitHub

3️⃣Demiurge

基于 PyQuery 的爬虫微型框架。

• 官网

4️⃣feedparser

通用 feed 解析器。

• 官网

5️⃣Grab

Grab 是一个用于构建 Web scraper 的 python 框架。 使用 Grab，您可以构建各种复杂性的 Web scraper，从简单的5行脚本到处理数百万个 Web 页面的复杂异步网站爬虫。 Grab 提供用于执行网络请求和处理所接收内容的 API。 与 HTML 文档的 DOM 树交互。

• 官网

6️⃣MechanicalSoup

用于自动和网络站点交互的 Python 库。

• GitHub

7️⃣portia

Scrapy 可视化爬取。允许你在不需要任何编程知识的情况下直观地抓取网站。 使用 Portia 可以注释一个网页以识别您想要提取的数据，Portia 将根据这些注释了解如何从类似页面中抓取数据。

• GitHub

8️⃣pyspider

一个强大的爬虫系统。

• 官网

9️⃣RoboBrowser

一个简单的，Python 风格的库，用来浏览网站，而不需要一个独立安装的浏览器。

• 官网