《6大爬虫利器，轻松搞定爬虫》

工欲善其事必先利其器，Python之所以流行在于她有非常丰富的第三方包，无论是Web框架还是机器学习框架、抑或是爬虫框架，多得让人眼花缭乱，这给了开发者极大的选择性，这是其它语言没法企及的。今天小编就来推荐10个牛逼的爬虫利器，助你轻松搞定爬虫。

1、Requests

Requests是一个HTTP请求库，完美体现了Python简单、优雅、易勇的编程哲学，开发者经常拿它的源代码作为参考，是不可多得的源代码学习资料。官网地址：http://docs.python-requests.org/en/master/

2、BeautifulSoup

如果说 Requests 是最好的 HTTP 请求库，那么 BeautifulSoup 就是最好的 HTML 解析库，HTML 文档返回之后需要解析，我们可以用 BeautifulSoup 解析，它的API对程序员来说非常友好、用起来简单，API非常人性化，支持css选择器，有人说它的速度慢，在数据量并不是特别的情况下，其实没人care，人力成本可以机器成本高多了。官方地址： https://www.crummy.com/software/BeautifulSoup/bs4/doc/

3、Fiddler

Fiddler 本质上不是爬数据的，而是一个爬虫辅助工具，在分析爬虫的请求时，有时候仅仅依靠浏览器来跟踪请求力量太显单薄了，特别是针对移动设备的爬虫束手无策，Fiddler 简直就是移动设备上爬虫的克星，手机上如何HTTP请求都可以被Fiddler监控，有了它，再也不要担心爬不到手机上的数据了。官网：https://www.telerik.com/fiddler

4、Selenium

当你无法通过Requests获取数据时，换一种方案用Selenium，Selenium 是什么？本身是自动化测试工具。如果你在浏览器里面安装一个 Selenium 的插件，那么便可以方便地实现Web界面的测试，当然也可以用于爬虫。比如自动打开百度：

5、Tesseract

Tesseract 是一个文字识别工具，在一些复杂的爬虫情景下，服务器的反爬虫需要用户输入验证码才能进行下一步操作，而 Tesseract 可以自动识别出验证码，如果你懂一点机器学习算法，自己训练一套数据，就算12306这样的验证码也不是什么难事。GtiHub地址：https://github.com/tesseract-ocr/tesseract

6、Scrapy

写爬虫用Requests只能是搞搞小项目，适合刚入门的小白学习或者是简单的业务场景，如果是做大规模爬虫，Scrapy 的效率、性能都是工业级别的，你无需自己造轮子。分布式爬虫就用Scrapy。

Python网络爬虫与数据挖掘