1.概述

  本系列介绍如何使用python进行网络爬虫，现在在网络上有大堆的资源可以查阅，我写这个系列的目的主要是为了增加自身的知识记忆，同时也建立一个供网络查询的“仓库”，本篇首先介绍在windows下相关python库lxml,BeautifulSoup4和Requests安装准备，以便后期使用pycharm作为代码编译器进行实际操作。[本文操作情况下默认已经安装python3，pip3工具以及pycharm]

2.lxml库安装

 a.下载lxml库(下载地址：点击打开链接)

b.在网站中搜索(ctrl+F)"lxml"，得到如下图：

c.针对自己电脑安装的python版本及系统版本下载相应.whl文件（我的电脑是python3.6.0/64系统，我选最后一个lxml库）

d.以管理员方式启动命令行，安装.whl文件

3.BeautifulSoup4库安装

a.以管理员方式启动命令行，运用pip3安装

4.Requests库安装

a.以管理员方式启动命令行，运用pip3安装





Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局