python爬虫，我用最多的是框架Scrapy，其次便是beautiful soup，以及selenium、Requests库等，最基础的就是urllib和正则re了。
当然，我不知道题主为什么要问内置函数，所谓内置函数，一般都是因为使用比较频繁或是元操作，然后提前定义好，直接调用。这样的内置函数，python里面有很多，大概可以分为基本的数据操作、逻辑操作、集合操作、基本IO操作、反射操作、字符串操作等。它们随着python解释器的运行而创建，在Python的程序中，你可以随时调用这些函数，不需要定义。
仔细想来，我也不好说哪些内置函数就一定是为爬虫而生的，它们只是在代码的某个环节小用了一下而已，主要还是靠爬虫相关的包来支撑。
但如果追根溯源，题主可以去参考python的源码，现在python源码已经迁移到GitHub上了，不过由于是用C写的，故看起来会比较费神。源码地址：
下面就讲讲爬虫常用到的一些模块包好了。
re、urllib、time标准库time可以用来延时，以免爬虫代码被封，而正则表达式re和urllib模块则是学习python爬虫最基础的，也是最重要的。
urllib模块提供了丰富的上层接口，使我们可以处理跟url相关的大多数事务，包括设置Headers、Proxy 、错误解析、Cookie 等，从而像读取本地文件一样读取 协议相关知识。
而正则表达式相信学过高级语言的朋友都不会陌生了，当用urllib提取到目标页面的信息后，我们需要用正则表达式来匹配查找，获得最终的内容，然后进行下一步的处理。
这里需要提一下，urllib模块在python2和python3中变化很大，上面是用python3写的，学习的时候注意一下。
requests当然，如果你把urllib和re用熟了，再来学用requests库的话，你会感觉眼前豁然开朗，它基于 urllib开发，比urllib用起来更简单顺手，函数功能更强大，是一个很实用的Python ）。
有趣的是，现在requests的官方文档出中文版了，十分详尽，言语风趣幽默：
Beautiful Soup和 lxml、Selenium和PhantomJS、PyQuery等从这里开始，就要步入爬虫真正的门槛了，上面的这些工具都可以同时学，体验一下。同时，考虑到我们爬取的网页内容可能有静态的、动态的，甚至还有将数据压缩的网站，除此之外，还涉及到网页需要登录，登录需要验证码，验证码的难易程度，还有付费与免费资源的区别等等！这些都是在这一阶段必须要考虑和解决的问题了。
Beautiful Soup 是解析网页的一款神器。它可以从 HTML 或者 XML 文件中提取数据；Xpath 也是一款神器。它是一款高效的、表达清晰简单的分析语言。掌握它以后介意弃用正则表达式了。一般是使用浏览器的开发者工具加 lxml 库。
PhantomJS是一款没有界面的浏览器，Selenium便是浏览器驱动，他们俩配合使用，可以爬取那些动态加载的网页，当然，测试的时候还是可以使用Selenium+Chrome的。
若是提到验证码识别，那涉及的就多了，不过，在爬虫领域，你先需要了解的，也不算多，可以了解一下PIL+Tesseract，一个是图像处理，一个便是训练和识别验证码的库，这里有很多难点，需要多查资料学习。
如果你对js熟悉，又来做爬虫，那么PyQuery对你来说就是最友好的了， 它是仿照 jQuery ，语法与 jQuery 几乎完全相同，所以不用再去费心去记一些奇怪的方法了，这样解析起网页来就更得心应手了。
多线程threading和多进程muiltprocessing有人说， Python 的多线程是鸡肋，不是真正意义上的多线程？但以我的亲身实践来看，开的线程达到10以上，甚至50，那肯定对效率是有很大提升的。
所以，到了这一步，你就把他用起来吧！别管那么多。
终极利器Scrapy框架、PySpider框架等Scrapy 是一个功能非常强大的分布式爬虫框架，学会了它，就可以不用重复造轮子，但基础还是要一步一步来。
当然，爬虫框架越来越多，如果非要做一个比较，pyspider上手简单，操作简便，它增加了 WEB 界面，写爬虫迅速，且集成了phantomjs，可以用来抓取js渲染的页面。
而Scrapy自定义程度相对较高，比 PySpider更底层一些，适合学习研究，需要学习的相关知识多，不过自己拿来研究分布式和多线程等等是非常合适的。
最后，给大家推荐一个学习爬虫的博客
python爬虫系列课程推荐：
祝君进步！新年快乐！
