【愚公系列】2021年12月 python爬虫自动化-爬虫环境搭建

湛蓝之海

一、数据的来源

1. 企业产生的用户数据
​​​https://tbi.tencent.com/​​​ 腾讯指数
​​​http://index.baidu.com/#/​​​ 百度指数

2. 数据平台购买数据：
数据堂：​​​http://www.datatang.com/index.html​​​
国云数据市场：
​​​http://www.moojnn.com/data-market/​​​

3. 政府、机构公开的数据：
国家统计局数据：
​​​http://www.moojnn.com/data-market/​​​
世界银行公开数据：
​​​https://data.worldbank.org.cn/​​​

4. 数据管理咨询公司：埃森哲，麦肯锡

5. 爬虫爬取

二、爬虫所需要的库：

1. urllib 标准库，无需安装，直接 import 使用

2. requests 库，需要安装

pip install requests

3. selenium 库，需要安装

pip install selenium

a) selenium 想要驱动 chrome 的话，需要专门的
chromedriver，下载地址：
​​​http://npm.taobao.org/mirrors/chromedriver/​​​
b) 需要注意的是，chromedriver 的版本必须要与自
己机器上的 chrome 版本相对应才可以
c) 将下载的驱动加压缩后（一个 exe 文件）放到
python 的安装目录下（比如 scripts 中），或者
新建一个文件夹专门存放这个 exe，但是要把这
个新建文件夹的路径添加到 path 中。
d) 如果要驱动其他浏览器，比如 IE 或者 Firefox，
也需要去下载对应的驱动

4. phantomJS ，官网下载
​​http://phantomjs.org/download.html​​

5. re #正则，标准库，不需要安装

6. BeautifulSoup，html/xml 解析库，需要安装

pip install beatifulsoup4

7. pyquery（可选）解析库，语法与 JQuery 类似

pip install pyquery

8. pymysql，MySQL 数据库驱动，需要安装

pip install pymysql