資訊專欄INFORMATION COLUMN
摘要：今天為大家整理了個爬蟲項目。地址新浪微博爬蟲主要爬取新浪微博用戶的個人信息微博信息粉絲和關注。代碼獲取新浪微博進行登錄，可通過多賬號登錄來防止新浪的反扒。涵蓋鏈家爬蟲一文的全部代碼，包括鏈家模擬登錄代碼。支持微博知乎豆瓣。
今天為大家整理了23個Python爬蟲項目。整理的原因是，爬蟲入門簡單快速，也非常適合新入門的小伙伴培養(yǎng)信心，所有鏈接指向GitHub，微信不能直接打開，老規(guī)矩，可以用電腦打開。
關注公眾號「Python專欄」，后臺回復：爬蟲書籍，獲取2本Python爬蟲相關電子書。
1. WechatSogou – 微信公眾號爬蟲基于搜狗微信搜索的微信公眾號爬蟲接口，可以擴展成基于搜狗搜索的爬蟲，返回結果是列表，每一項均是公眾號具體信息字典。
github地址：
https://github.com/Chyroc/Wec...
2. DouBanSpider – 豆瓣讀書爬蟲可以爬下豆瓣讀書標簽下的所有圖書，按評分排名依次存儲，存儲到Excel中，可方便大家篩選搜羅，比如篩選評價人數(shù)>1000的高分書籍；可依據(jù)不同的主題存儲到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進行爬取，并加入隨機延時來更好的模仿瀏覽器行為，避免爬蟲被封。
github地址：
https://github.com/lanbing510...
3. zhihu_spider – 知乎爬蟲此項目的功能是爬取知乎用戶信息以及人際拓撲關系，爬蟲框架使用scrapy，數(shù)據(jù)存儲使用mongo
github地址：
https://github.com/LiuRoy/zhi...
4. bilibili-user – Bilibili用戶爬蟲總數(shù)據(jù)數(shù)：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級，經(jīng)驗值，粉絲數(shù)，生日，地址，注冊時間，簽名，等級與經(jīng)驗值等。抓取之后生成B站用戶數(shù)據(jù)報告。
github地址：
https://github.com/airingursb...
5. SinaSpider – 新浪微博爬蟲主要爬取新浪微博用戶的個人信息、微博信息、粉絲和關注。代碼獲取新浪微博Cookie進行登錄，可通過多賬號登錄來防止新浪的反扒。主要使用 scrapy 爬蟲框架。
github地址：
https://github.com/LiuXingMin...
6. distribute_crawler – 小說下載分布式爬蟲使用scrapy,Redis, MongoDB,graphite實現(xiàn)的一個分布式網(wǎng)絡爬蟲,底層存儲MongoDB集群,分布式使用Redis實現(xiàn),爬蟲狀態(tài)顯示使用graphite實現(xiàn)，主要針對一個小說站點。
github地址：
https://github.com/gnemoug/di...
7. CnkiSpider – 中國知網(wǎng)爬蟲。設置檢索條件后，執(zhí)行src/CnkiSpider.py抓取數(shù)據(jù)，抓取數(shù)據(jù)存儲在/data目錄下，每個數(shù)據(jù)文件的第一行為字段名稱。
github地址：
https://github.com/yanzhou/Cn...
8. LianJiaSpider – 鏈家網(wǎng)爬蟲。爬取北京地區(qū)鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲一文的全部代碼，包括鏈家模擬登錄代碼。
github地址：
https://github.com/lanbing510...
9. scrapy_jingdong – 京東爬蟲。基于scrapy的京東網(wǎng)站爬蟲，保存格式為csv。
github地址：
https://github.com/taizilongx...
10. QQ-Groups-Spider – QQ 群爬蟲。批量抓取 QQ 群信息，包括群名稱、群號、群人數(shù)、群主、群簡介等內(nèi)容，最終生成 XLS(X) / CSV 結果文件。
github地址：
https://github.com/caspartse/...
11. wooyun_public - 烏云爬蟲。烏云公開漏洞、知識庫爬蟲和搜索。全部公開漏洞的列表和每個漏洞的文本內(nèi)容存在MongoDB中，大概約2G內(nèi)容；如果整站爬全部文本和圖片作為離線查詢，大概需要10G空間、2小時（10M電信帶寬）；爬取全部知識庫，總共約500M空間。漏洞搜索使用了Flask作為web server，bootstrap作為前端。
https://github.com/hanc00l/wo...
12. spider – hao123網(wǎng)站爬蟲。以hao123為入口頁面，滾動爬取外鏈，收集網(wǎng)址，并記錄網(wǎng)址上的內(nèi)鏈和外鏈數(shù)目，記錄title等信息，windows7 32位上測試，目前每24個小時，可收集數(shù)據(jù)為10萬左右
https://github.com/simapple/s...
13. findtrip – 機票爬蟲（去哪兒和攜程網(wǎng)）。Findtrip是一個基于Scrapy的機票爬蟲，目前整合了國內(nèi)兩大機票網(wǎng)站（去哪兒 + 攜程）。
https://github.com/fankcoder/...
14. 163spider基于requests、MySQLdb、torndb的網(wǎng)易客戶端內(nèi)容爬蟲
https://github.com/leyle/163s...
15. doubanspiders豆瓣電影、書籍、小組、相冊、東西等爬蟲集
https://github.com/fanpei91/d...
16. QQSpiderQQ空間爬蟲，包括日志、說說、個人信息等，一天可抓取 400 萬條數(shù)據(jù)。
https://github.com/LiuXingMin...
17. baidu-music-spider百度mp3全站爬蟲，使用redis支持斷點續(xù)傳。
https://github.com/Shu-Ji/bai...
18. tbcrawler淘寶和天貓的爬蟲,可以根據(jù)搜索關鍵詞,物品id來抓去頁面的信息，數(shù)據(jù)存儲在mongodb。
https://github.com/pakoo/tbcr...
19. stockholm一個股票數(shù)據(jù)（滬深）爬蟲和選股策略測試框架。根據(jù)選定的日期范圍抓取所有滬深兩市股票的行情數(shù)據(jù)。支持使用表達式定義選股策略。支持多線程處理。保存數(shù)據(jù)到JSON文件、CSV文件。
https://github.com/benitoro/s...
20. BaiduyunSpider - 百度云盤爬蟲。https://github.com/k1995/Baid...
21. Spider社交數(shù)據(jù)爬蟲。支持微博,知乎,豆瓣。
https://github.com/Qutan/Spider
22. proxy poolPython爬蟲代理IP池(proxy pool)。
https://github.com/jhao104/pr...
23. music-163爬取網(wǎng)易云音樂所有歌曲的評論。
https://github.com/RitterHou/...
文章版權歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/43342.html
摘要：微信知乎新浪等主流網(wǎng)站的模擬登陸爬取方法摘要微信知乎新浪等主流網(wǎng)站的模擬登陸爬取方法。先說說很難爬的知乎，假如我們想爬取知乎主頁的內(nèi)容，就必須要先登陸才能爬，不然看不到這個界面。圖片描述知乎需要手機號才能注冊登陸。 微信、知乎、新浪等主流網(wǎng)站的模擬登陸爬取方法摘要：微信、知乎、新浪等主流網(wǎng)站的模擬登陸爬取方法。 網(wǎng)絡上有形形色色的網(wǎng)站，不同類型的網(wǎng)站爬蟲策略不同，難易程度也不一樣。從是...
摘要：楚江數(shù)據(jù)是專業(yè)的互聯(lián)網(wǎng)數(shù)據(jù)技術服務，現(xiàn)整理出零基礎如何學爬蟲技術以供學習，。本文來源知乎作者路人甲鏈接楚江數(shù)據(jù)提供網(wǎng)站數(shù)據(jù)采集和爬蟲軟件定制開發(fā)服務，服務范圍涵蓋社交網(wǎng)絡電子商務分類信息學術研究等。 楚江數(shù)據(jù)是專業(yè)的互聯(lián)網(wǎng)數(shù)據(jù)技術服務，現(xiàn)整理出零基礎如何學爬蟲技術以供學習，http://www.chujiangdata.com。 第一：Python爬蟲學習系列教程（來源于某博主：htt...
摘要：時間永遠都過得那么快，一晃從年注冊，到現(xiàn)在已經(jīng)過去了年那些被我藏在收藏夾吃灰的文章，已經(jīng)太多了，是時候把他們整理一下了。那是因為收藏夾太亂，橡皮擦給設置私密了，不收拾不好看呀。 ...
閱讀 651·2021-09-22 10:02
閱讀 6425·2021-09-03 10:49
閱讀 575·2021-09-02 09:47
閱讀 2163·2019-08-30 15:53
閱讀 2940·2019-08-30 15:44
閱讀 910·2019-08-30 13:20
閱讀 1825·2019-08-29 16:32
閱讀 897·2019-08-29 12:46
