抓取網頁程式碼之後，下一步就是從頁面中提取資訊。提取資訊的方式多種多樣，可以使用正則來提取，但是寫起來相對比較繁瑣。還有許多強大的解析庫，如lxml、Beautiful Soup、pyquery等。此外還提供了非常強大的解析方法，如XPath解析和CSS選擇器解析等，利用它們，我們可以高效便捷地從網頁中提取有效資訊。

一、lxml的安裝

lxml是Python的一個解析庫，支援HTML和XML的解析，支援XPath解析方式，而且解析效率非常高。
1.相關連結

2.安裝

pip3 install lxml

二、Beautiful Soup的安裝

Beautiful Soup是Python的一個HTML或XML的解析庫，我們可以用它來方便地從網頁中提取資料。Beautiful Soup的HTML和XML解析器是依賴lxml庫的，所以在此之前要確保已經成功安裝lxml庫。
pip安裝

pip3 install beautifulsoup4

三、pyquery的安裝

pyquery同樣是一個強大的網頁解析工具，它提供了和jQuery類似的語法來解析HTML文件，支援CSS選擇器，使用非常方便。
pip安裝

pip3 install pyquery

四、tesserocr的安裝

在爬蟲過程中，難免會遇到各種各樣的驗證碼，而大多數驗證碼還是圖形驗證碼，這時候我們可以直接用OCR來識別。

安裝
在Windows下，首先需要下載tesseract，下載地址為：http://digi.bib.uni-mannheim.de/tesseract。
下載完成後雙擊，勾選Addition language data選項來安裝OCR識別支援的語言包，這樣OCR邊可以識別多國語言。
接下來，再安裝tesserocr，使用pip安裝：

pip3 install tesserocr pillow