目录

一、请求库的安装

1.requests 的安装

2.Selenium的安装

3.ChromeDrive 的安装

4.GeckoDriver 的安装

5.PhantomJS 的安装

6.aiohttp 的安装

二、解析库的安装

1.lxml 的安装

2.Beautiful Soup 的安装

3.pyquery 的安装

4.tesserocr 的安装

一、请求库的安装

1、requests 的安装

 2 . pip 安装

pip install requests

2、Selenium的安装

1.相关链接

• 官方网站：https://www.seleniumhq.org
• GitHub: selenium/py at trunk · SeleniumHQ/selenium · GitHub
• PyPI: https://pypi.python.org/pypi/selenium
• 官方文梢:https://selenium-python.readthedocs.io
• 中文文档:Selenium with Python中文翻译文档 — Selenium-Python中文文档 2 documentation

 2.pip 安装

pip install selenium

3、ChromeDrive 的安装

​        前面我们成功安装好了Selenium库，但是他是一个自动化测试工具，需要浏览器来配合使用。
        首先，下载 hrome 浏览器。
        随后安装 ChromeDriver 因为只有安装 ChromeDriver ，才能驱动 Chrome 浏览器完成相应的操作 下面我们来介绍下怎样安装 ChromeDriver。

 2.准备工作

4. 下载 ChromeDriver 

         打开 ChromeDriver 的官方网站，可以看到最新版本为 96.04664.18 ，其支持的 Chrome 浏览器版本为 96.04664

 5.环境变量配置

 6. 验证安装

        随后再在程序中测 Python 代码：

from selenium import webdriver
browser = webdriver.Chrome()

4.GeckoDriver 的安装

         上面，我们了解了ChromeDriver的配置方法，配置完成后可以用Selenium驱动Chrome浏览器做对应的网页抓取。

        那么对应Firefox来说，也可以用同样的方式完成Selenium的对接，这时需要安装另一个驱动GeckoDriver，接下来我们接受一下它的安装过程。

 2. 准备工作

        确保已经正确安装了Firefox浏览器并且能正常运行。

3.下载 GeckoDriver

        在GitHub 上找 GeckoDriver 的发行版，并找到最新版的，如下是0.30

 因我的电脑是win10，64位的所以下载如图的

 4. 环境变量配置

geckodriver

from selenium import webdriver
browser = webdriver.Firefox()

5.PhantomJS 的安装

1. 相关链接

• 官方网站： PhantomJS - Scriptable Headless Browser
• 官方文梢：Quick Start with PhantomJS
• 下载地址1： Download PhantomJS
• 下载地址2：
• API 接门说明:Command Line Interface | PhantomJS

2. 下载 PhantomJS（建议用下载地址1）

        在官网找到对应版本下载对应操作系统的安装包，下载完成后，将 PhantomJS 可执行文件所在的路径配置到环境变盘里 比如在 Windows 下，将下载的文件解压之后并打开，会看到一个 in 文件夹，里面包括 个可执行文件 phantomjs.exe ，我们需 要将它直接放在配置好环境变量的路径下或者将它所在的路径配置到环境变盘里 比如，我们既可以 将它直接复制到 Python Scripts 文件夹，也可以将它所在的 bin 目录加入到环境变量。

3. 验证安装

首先在命令提示符里输入 phantomjs并回车返回如下，证明成功了

在Selenium 中使用的话，我们只需要将 Chrome 切换为 PhantomJS 即可：

from selenium import webdriver
browser = webdriver.PhantomJS()
browser.get('https://www.baidu.com')
print(browser.current_url)

 如果返回如下，则说明selenium版本过高，需要安装低版本的，因为最新版已经放弃了phantomjs

1.先把selenium卸载，代码如下:

pip uninstall selenium

2.安装selenium==2.48.0版本的，代码如下：

pip install selenium==2.48.0

完美运行成功！！！！！

 返回：

6.aiohttp 的安装

 2. pip 安装

pip install aiohttp

pip install cchardet aiodns

二、解析库的安装

1、lxml 的安装

        lxm是Python的一个解析库，支持 HTML和XML的解析，支持XPath 解析方式，而且解析效

率非常高。接下来，我们了解一下 lxml 安装方式。

1.相关链接

• 官方网站：lxml - Processing XML and HTML with Python
• GitHub: https://github.com/lxml/lxml
• PyPI: https://pypi.org/pyp/lxml

2 . Windows 下的安装

在Windows 下，可以先尝试利用 pip 安装， 此时直接执行如下命令即可：

pip install lxml
#或
pip3 install lxml

如果没有任何报锚，则证明安装成功

如果： 现报 ，比如提示缺少 lib ml2 库等信息 可以采用 heel 方式安装

推荐直接到这里（链接为：https://www.lfd.uci.edu/-gohblke/pythonlibs/#lxml ）下载对应的weel文

件，找到本地安装 Python 版本和系统对应的 lxml 版本，例如 Windows 64 位、 Python3.6，就选作 lxml-3 .8.0-cp36-cp36m-win _ amd64. whl ，将其下载到本地

然后利用 pip 安装即可，命令如下

pip install lxml 3.8.0-cp36-cp36m-win_amd64 .whl
#或
pip3 install lxml 3.8.0-cp36-cp36m-win_amd64 .whl

这样我 就可以成功安装 lxml

3.验证安装

安装完成之后，可以在 Python命令行下测试：

 如果没有错误报出，则证明库已经安装好了

2.Beautiful Soup 的安装

        Beautiful Soup是Python HTML或XML 的解析库，我们可以用它来方便地从网页中提取

数据。它拥有强大的API 多样的解析方式。

1. 相关链接

• 官方文档：Beautiful Soup Documentation — Beautiful Soup 4.9.0 documentation

• 中文文档：Beautiful Soup 4.4.0 文档 — Beautiful Soup 4.2.0 documentation

• PyPI: beautifulsoup4 · PyPI

2. 准备工作

        Beautiful Soup HTML和XML 解析器是依赖于 lxml 库的，所以在此之前请确保已经成功安装

好了 lxml 库，具体的安装方式参见上面

3. pip 安装

pip install beautifulsoup4
#或
pip3 install beautifulsoup4

        命令执行完毕之后即可完成安装

4. wheel 安装

        可以从 PyPI下载wheel 文件安装，链接如下:beautifulsoup4 · PyPI

        然后使用pip 安装wheel 文件即可

5. 验证安装

安装完成之后，可以运行下面的代码验证一下：

from bs4 import BeautifulSoup 
soup = BeautifulSoup('<p>Hello</p>','lxml') 
print(soup.p.string)

运行结果如下：

运行一致，则证明安装成功。

3.pyquery 的安装

        pyquery 是 个强大的网页解析工具，它提供了和 jQuery 类似的语法来解析 HTML 文梢，支持CSS选择器，使用非常方便。

1. 相关链接

• GitHub: GitHub - gawel/pyquery: A jquery-like library for python
• PyPI : pyquery · PyPI
• 官方文档：pyquery: a jquery-like library for python — pyquery 1.3.x documentation

2. pip 安装

pip install pyquery
#或
pip3 install pyquery

        命令执行完毕之后即可完成安装

3. wheel 安装

        可以从 PyPI下载wheel 文件安装，链接如下:beautifulsoup4 · PyPIpyquery · PyPIbeautifulsoup4 · PyPI

然后使用pip 安装wheel 文件即可。比如如果当前版本为 1.2.17 ，则下载的文件名称为 pyquery-1.2.17-py2.py3-none-any.whl ，此时下载到本地再进行 pip 安装即可，命令如下：

pip install pyquery-1.2.17-py2.py3-none-any.whl 
#或
pip3 install pyquery-1.2.17-py2.py3-none-any.whl 

4. 验证安装

安装完成之后，可以运行下面的代码验证一下：

import pyquery

运行结果如下：

运行没有报错，则证明安装成功。

4.tesserocr 的安装

        在爬虫过程中，难免会遇到各种各样的验证码，而大多数验证码还是图形验证码，这时候我们 以直接用 OCR 来识别。

1.OCR

        OCR ，即 Optical Character Recognition ，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符 ，这些字符确实是由字符稍加扭曲变换得到的内容

        tesserocr是Python的一个 OCR 识别库，但其实是对 tesseract 做的 一层Python API 封装，所以它的核心是 tesseract 因此，在安装 tesserocr 前，我们需要先安装tesseract 。

2.相关链接

• tesserocr GitHub: GitHub - sirfz/tesserocr: A Python wrapper for the tesseract-ocr API
• tesserocr Py PI: tesserocr · PyPI
• tesserac 下载地址：Index of /tesseract
• tesserac GitHub :https://github.com/tesseract-ocr/tesseract
• tesserac 语言包 ：https://github.com/tesseract-ocr/tessdata
• tesseract 文档: Manual Pages | tessdoc

3. Windows 下的安装

在Window 下，首先需要下载 tesseract ，它为 tesserocr 提供了支持，进入下载页面，其中文件名中带有 dev 的为开发版本，不带 dev 的为稳定版本，可以选择下载不带 dev 的版本。

例如可以选择下载 tesseract-ocr-w64-setup-v5.0.1.20220107.exe

 下载完成后双击， 好像没有中文版的

然后一直点 next 和 i agree 就行，直到

        此时可以句选 Additional language data download 选项来安装 OCR 识别支持的语 包，这样 OCR 便可以识别多国语言 然后一直点击 Next 按钮即可

接下来 再安装 tesserocr 即可，此时直接使用 pip 安装

pip install tesserocr pillow
#或
pip3 install tesserocr pillow

4.验证安装

接下来，我们可以使用 tesseract tesserocr 来分别进行测试下面这张图片

首先，用 tesseract 命令测试：

 打开照片所在文件夹，按住 shift 击右键 打开 powershell窗口 输入下面命令：

tesseract image.png stdout -l eng

得到结果：

然后，我们看一下在python中如何演示：

首先，现安装库

pip install pytesseract

如何想要在python中使用 pytesseract 库，则需要先添加 tesseract 的环境变量

1.将tesseract.exe添加到环境变量PATH中

我的电脑——右键——属性——高级系统设置——环境变量——将 tesseract.exe 所在的文件夹的路径添加到 path 中

2. 修改pytesseract.py文件，指定tesseract.exe安装路径

然后打开它

import pytesseract
from PIL import Image
pytesseract.pytesseract.tesseract_cmd=r'D:\Tesseract-OCR\tesseract.exe'
image=Image.open('D:\桌面\python\jupyter\image.png')#所要识别的图片的位置
#默认是英文，如果是英文就不需更改
text=pytesseract.image_to_string(image)
#默认是英文，如果是中文，要将语言改成中文。
# text=pytesseract.image_to_string(image,lang='chi_sim')
print(text)

返回：

 

库，先安装到这里，后面还有很多很多，等我慢慢补充，嘿嘿！！！