python爬虫文件代码大全-Python网络爬虫实战项目代码大全(长期更新,欢迎补充)...
WechatSogou[1]- 微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。[1]: https://github.com/Chyroc/WechatSogou
DouBanSpider[2]- 豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选搜罗,比如筛选评价人数>1000的高分书籍;可依据不同的主题存储到Excel不同的Sheet ,采用User Agent伪装为浏览器进行爬取,并加入随机延时来更好的模仿浏览器行为,避免爬虫被封。[2]: https://github.com/lanbing510/DouBanSpider
zhihu_spider[3]- 知乎爬虫。此项目的功能是爬取知乎用户信息以及人际拓扑关系,爬虫框架使用scrapy,数据存储使用mongodb。[3]: https://github.com/LiuRoy/zhihu_spider
bilibili-user[4]- Bilibili用户爬虫。总数据数:20119918,抓取字段:用户id,昵称,性别,头像,等级,经验值,粉丝数,生日,地址,注册时间,签名,等级与经验值等。抓取之后生成B站用户数据报告。[4]: https://github.com/airingursb/bilibili-user
SinaSpider[5]- 新浪微博爬虫。主要爬取新浪微博用户的个人信息、微博信息、粉丝和关注。代码获取新浪微博Cookie进行登录,可通过多账号登录来防止新浪的反扒。主要使用 scrapy 爬虫框架。[5]: https://github.com/LiuXingMing/SinaSpider
distribute_crawler[6]- 小说下载分布式爬虫。使用scrapy,redis, mongodb,graphite实现的一个分布式网络爬虫,底层存储mongodb集群,分布式使用redis实现,爬虫状态显示使用graphite实现,主要针对一个小说站点。[6]: https://github.com/gnemoug/distribute_crawler
CnkiSpider[7]- 中国知网爬虫。设置检索条件后,执行src/CnkiSpider.py抓取数据,抓取数据存储在/data目录下,每个数据文件的第一行为字段名称。[7]: https://github.com/yanzhou/CnkiSpider
LianJiaSpider[8]- 链家网爬虫。爬取北京地区链家历年二手房成交记录。涵盖链家爬虫一文的全部代码,包括链家模拟登录代码。[8]: https://github.com/lanbing510/LianJiaSpider
scrapy_jingdong[9]- 京东爬虫。基于scrapy的京东网站爬虫,保存格式为csv。[9]: https://github.com/taizilongxu/scrapy_jingdong
QQ-Groups-Spider[10]- QQ 群爬虫。批量抓取 QQ 群信息,包括群名称、群号、群人数、群主、群简介等内容,最终生成 XLS(X) / CSV 结果文件。[10]: https://github.com/caspartse/QQ-Groups-Spider
wooyun_public[11]-乌云爬虫。 乌云公开漏洞、知识库爬虫和搜索。全部公开漏洞的列表和每个漏洞的文本内容存在mongodb中,大概约2G内容;如果整站爬全部文本和图片作为离线查询,大概需要10G空间、2小时(10M电信带宽);爬取全部知识库,总共约500M空间。漏洞搜索使用了Flask作为web server,bootstrap作为前端。[11]: https://github.com/hanc00l/wooyun_public
2016.9.11补充:
QunarSpider[12]- 去哪儿网爬虫。 网络爬虫之Selenium使用代理登陆:爬取去哪儿网站,使用selenium模拟浏览器登陆,获取翻页操作。代理可以存入一个文件,程序读取并使用。支持多进程抓取。[12]: https://github.com/lining0806/QunarSpider
findtrip[13]- 机票爬虫(去哪儿和携程网)。Findtrip是一个基于Scrapy的机票爬虫,目前整合了国内两大机票网站(去哪儿 + 携程)。[13]: https://github.com/fankcoder/findtrip
163spider[14] - 基于requests、MySQLdb、torndb的网易客户端内容爬虫。[14]: https://github.com/leyle/163spider
doubanspiders[15]- 豆瓣电影、书籍、小组、相册、东西等爬虫集。[15]: https://github.com/dontcontactme/doubanspiders
QQSpider[16]- QQ空间爬虫,包括日志、说说、个人信息等,一天可抓取 400 万条数据。[16]:https://github.com/LiuXingMing/QQSpider
baidu-music-spider[17]- 百度mp3全站爬虫,使用redis支持断点续传。[17]: https://github.com/Shu-Ji/baidu-music-spider
tbcrawler[18]- 淘宝和天猫的爬虫,可以根据搜索关键词,物品id来抓去页面的信息,数据存储在mongodb。[18]: https://github.com/pakoo/tbcrawler
stockholm[19]- 一个股票数据(沪深)爬虫和选股策略测试框架。根据选定的日期范围抓取所有沪深两市股票的行情数据。支持使用表达式定义选股策略。支持多线程处理。保存数据到JSON文件、CSV文件。[19]https://github.com/benitoro/stockholm
--------------------------
本项目收录各种Python网络爬虫实战开源代码,并长期更新,欢迎补充。
更多Python干货欢迎扫码关注:
微信公众号:Python中文社区
知乎专栏:Python中文社区
Python QQ交流群 :273186166
--------------------------
微信公众号:Python中文社区
Python中文社区 QQ交流群:
--------------------------
Python学习资源下载:
Python开发基础教学视频百度网盘下载地址:http://pan.baidu.com/s/1dEAlfSP
(密码请关注微信公众号"Python中文社区”后回复"视频”二字获取)
Python学习资料PDF电子书大合集百度网盘下载地址:http://pan.baidu.com/s/1bpuqex5
(密码请关注微信公众号"Python中文社区”后回复"资料”二字获取)
Python学习思维脑图大全汇总打包百度网盘下载地址?:http://pan.baidu.com/s/1qYH6Tek
(密码请关注微信公众号"Python中文社区”后回复"思维”二字获取)
python爬虫文件代码大全-Python网络爬虫实战项目代码大全(长期更新,欢迎补充)...相关推荐
- python常用代码大全-Python 网络爬虫实战项目代码大全
原标题:Python 网络爬虫实战项目代码大全 DouBanSpider 豆瓣读书的爬虫.你可以爬豆瓣读书下面标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选搜罗,比如筛选评价 ...
- Python网络爬虫实战项目代码大全(长期更新,欢迎补充)
Python网络爬虫实战项目代码大全(长期更新,欢迎补充) 阿橙 · 1 个月内 WechatSogou [1]- 微信公众号爬虫.基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫, ...
- [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解(定位元素、常用方法、键盘鼠标操作)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 五.网络爬虫之BeautifulSoup基础语法万字详解
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- 【python爬虫 系列】1.理解网络爬虫
第一节:理解网络爬虫 1.1网络爬虫的定义 网络爬虫(又被称为网页蜘蛛,网络机器人)就是模拟浏览器发送网络请求,接收请求响应,一种按照一定的规则,自动地抓取互联网信息的程序.另外一些不常使用的名字还有 ...
- [Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- c#使用正则表达式获取TR中的多个TD_[Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例...
首先祝大家中秋节和国庆节快乐,欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都 ...
- Python爬虫总结——Scrapy+Gerapy部署网络爬虫
Python爬虫总结--从基础爬虫到Scrapy+Gerapy部署网络爬虫 前言 一.常用pip模块介绍 1.NumPy库 2.Pandas库 3.Requests库 4.BeautifulSoup库 ...
- 【python爬虫学习篇】初识网络爬虫以及了解Web前端
目录 1,初识爬虫 1.1,网络爬虫概述 1.2,爬虫的分类 1.3,网络爬虫的基本原理 1.4,搭建开发环境 2,了解web前端 2.1,HTTP基本原理 2.1.1HTTP协议 2.1.2,Web ...
- 爬虫基础(2)网络爬虫的实现原理与技术
文章目录 一. 爬虫技术实现原理 二. 发送请求 1. 请求行 2. 请求头 3. 空行 4. 请求体 三. 获取响应内容 1. 响应行 2. 响应头 3. 空行 4. 响应体 四. 解析网页内容 1 ...
最新文章
- 三星电池正在获取使用模式_三星Galaxy S10系列超大电池持久动力,解决电量烦恼...
- ubuntu 安装ImageMagic
- django(models)视图与html 简单的操作
- 计算机专业考研英语二国家线,历年考研英语国家线汇总(2009-2020)
- G - Mike and gcd problem
- BugkuCTF-Misc:啊哒~
- 一文带你领略虚拟化领域顶级技术会议KVM Forum 2018
- 库克:5G iPhone目前还不是我们考虑的问题
- ServletContext作用功能详解
- php容器原理,容器与依赖注入的原理
- Win7系统主题路径
- windows10未安装画图工具解决办法
- 解密 RubyEncoder
- JDK8升至JDK11 新特性整理
- 计算机硬盘写入量,如何查询固态硬盘SSD的总写入量?
- NOIP2017普及组初赛试题及答案
- 机械设备行业:工业气体企业财务分析
- 学生成绩处理(函数版)
- java获取参数上的注解_java-如何获取带注释的方法参数及其注释
- Tushare Pro判断股市是否开盘
热门文章
- proe输入数字时成双出现_罗斯蒙特温度变送器3144P单只和双只输入输出的的含义...
- 解决linux下中文文件名显示乱码问题
- 开发日记-20190816 关键词 读书笔记《Linux 系统管理技术手册(第二版)》DAY 24
- ES transport client使用
- Hive group by实现-就是word 统计
- Ubuntu配置jdk环境变量
- maven构建SSM工程[应用]1
- MySQL安装时MySQL server一直安装失败日志显示This application requires Visual Studio 2013 Redistributable...
- 洛谷—— P1869 愚蠢的组合数
- 关系型数据库与NOSQL