python爬虫项目-23个Python爬虫开源项目代码
今天为大家整理了23个Python爬虫项目。整理的原因是，爬虫入门简单快速，也非常适合新入门的小伙伴培养信心。所有链接指向GitHub，祝大家玩的愉快
1、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。
2、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。
3、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mongo
4、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。
5、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。
6、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。
7、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。
8、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。
9、scrapy_jingdong [9]– 京东爬虫。
基于scrapy的京东网站爬虫，保存格式为csv。
10、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。
11、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。
12、spider[12]– hao123网站爬虫。
以hao123为入口页面，滚动爬取外链，收集网址，并记录网址上的内链和外链数目，记录title等信息，windows7 32位上测试，目前每24个小时，可收集数据为10万左右
13、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）。
14、163spider [14] – 基于requests、MySQLdb、torndb的网易客户端内容爬虫
15、doubanspiders[15]– 豆瓣电影、书籍、小组、相册、东西等爬虫集
16、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。
17、baidu-music-spider [17]– 百度mp3全站爬虫，使用redis支持断点续传。
18、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。
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19、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。
20、BaiduyunSpider[20]-百度云盘爬虫。
21、Spider[21]-社交数据爬虫。支持微博,知乎,豆瓣。
22、proxy pool[22]-Python爬虫代理IP池(proxy pool)。
23、music-163[23]-爬取网易云音乐所有歌曲的评论。
来源：全球人工智能
作者：SFLYQ
python爬虫项目-23个Python爬虫开源项目代码相关推荐
- Android项目:proguard混淆之常见开源项目混淆配置
1.Gson混淆 ## ---------------------------------- ## ########## Gson混淆 ########## ## ------------------ ...
- php 项目 管理,PHP开源项目:文档管理_php开源项目网
当前位置: php开源项目网 > 文档管理 > 开源项目:文档管理 XODA是一个采用PHP和Ajax开发的文档管理系统(DMS).无需用到数据库,支持为文件和目录添加备注说明信息和过滤功 ...
- 开源项目是什么_在开源项目之前要了解什么
开源项目是什么 贵公司将内部项目作为开源发布. 恭喜你! 您知道您的代码已经准备就绪,但是您准备好承担所有新职责吗? 项目作为开源发布后,您的公司不仅要对该项目负责,而且还要对将围绕该项目形成的社区负 ...
- python开源项目贡献_通过为开源项目做贡献，我如何找到理想的工作
python开源项目贡献 by Utsab Saha 由Utsab Saha 通过为开源项目做贡献,我如何找到理想的工作 (How I found my dream job by contributi ...
- python mssql github_GitHub上最热门的开源项目都在这里了
最近整理了一些在GitHub上比较热门的开源项目 关于GitHub,快速了解请戳这里 其中涵盖了:学习教程,面试总结,实用工具,框架,机器学习等 东西比较杂,要学的东西也比较多,先存着,然后一点一点学 ...
- 谷歌公布GSoC 2020 暑期代码项目名单，200个开源项目30个新增
2020-02-23 15:36 导语:谷歌公布的200个开源项目中,有30个是该计划的新增项目,新增了不少数据科学和机器学习相关的项目. 谷歌(Google)本周宣布了进入GSoC 2020的200 ...
- 开源项目贡献者_如何管理开源项目的临时贡献者
开源项目贡献者 人们越来越希望在需要的时候随便为项目做贡献,而不是遵守时间表. 这是众多志愿组织和政府所注意到的"临时志愿服务"更广泛趋势的一部分. 这不仅归因于劳动力的变化(使更 ...
- java项目构建ant_Ant - 项目构建 - 开发工具 - JAVA开源项目 - 开源吧
相关开源项目 Gradle: Gradle是一个基于Groovy的构建工具,它使用Groovy来编写构建脚本,支持依赖管理和多项目创建,类似Maven,但比之简单轻便.为Ivy提供了一个layer,提 ...
- 十大开源项目_2014年十大开源项目
十大开源项目 每年,我们都会收集Opensource.com涵盖的最佳开源项目中的最佳项目. 去年的10个项目清单在2014年全年指导着对技术有兴趣的人.现在,我们将为您设置2015年全新的开源项目清 ...
最新文章
- linux安装中文环境,[Linux]Ubuntu 7.04 中文环境的安装
- [转]WinXP、Win7脚本自动加域及用户资料迁移
- 【PC工具】更新百度网盘高速下载工具——亿寻使用方法及注意事项
- php中如何上传非表单类数据,PHP Post获取不到非表单数据的问题解决办法
- IntelliJ IDEA 修改包名
- java模拟浏览器不关闭会话_JSP实现浏览器关闭cookies情况下的会话管理
- Goodbye, 2010. Hello 2011...
- python本科毕业论文范文_【软件工程论文】软件工程论文范文(共40篇)
- Java初级程序员面试总结(五)--Redis篇
- 3GPP TS 23502-h20 中英文对照 | 4.15.6.2 NEF service operations information flow
- Apm飞控学习笔记之-电机解锁和故障保护-Cxm
- android_驱动_qcom_【高通SDM660平台】(1) ---Bringup Guide
- 危化园区信息化管理平台（附方案+源码）
- Python处理中文文本
- DirectX、Direct3D、OpenGL的区别（DX、D3D、OpenGL）
- 关于药神、复联3和超时空同居的人生，你怎么看？
- Git的学习之路02 Git的工作流程、工作区、暂存区、版本库及创建版本库
- 【独家】同程艺龙作恶记（二）：屡教不改或成公司基因，再看更深的买机票套路...
- 【Matlab基础】数据拟合
- 华为3COM交换机配置