Python網絡爬蟲實戰項目代碼集合-不定時更新

本文來自知乎專欄-Python中文社區-Python網絡爬蟲實戰項目代碼大全(長期更新,歡迎補充)

[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。項目代碼地址:GitHub托管 | GitHub

[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>1000的高分書籍;可依據不同的主題存儲到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。項目代碼地址:GitHub托管

Python網絡爬蟲實戰項目代碼集合

[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,數據存儲使用mongo,下載這些數據感覺也沒什么用,就當為大家學習scrapy提供一個例子吧。項目代碼地址:GitHub托管

[4]bilibili-user - Bilibili用戶爬蟲。總數據數:20119918,抓取字段:用戶id,昵稱,性別,頭像,等級,經驗值,粉絲數,生日,地址,注冊時間,簽名,等級與經驗值等。抓取之后生成B站用戶數據報告。項目代碼地址:GitHub托管 報告演示:點擊這里

[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。項目代碼地址:GitHub托管

[6]distribute_crawler - 小說下載分布式爬蟲。使用scrapy,redis, mongodb,graphite實現的一個分布式網絡爬蟲,底層存儲mongodb集群,分布式使用redis實現,爬蟲狀態顯示使用graphite實現,主要針對一個小說站點。項目代碼地址:GitHub托管

[7]CnkiSpider - 中國知網爬蟲。設置檢索條件后,執行src/CnkiSpider.py抓取數據,抓取數據存儲在/data目錄下,每個數據文件的第一行為字段名稱。項目代碼地址:GitHub托管

[8]LianJiaSpider - 鏈家網爬蟲。爬取北京地區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。項目代碼地址:GitHub托管

[9]scrapy_jingdong - 京東爬蟲。基于scrapy的京東網站爬蟲,保存格式為csv。項目代碼地址:GitHub托管

[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、群主、群簡介等內容,最終生成 XLS(X) / CSV 結果文件。項目代碼地址:GitHub托管

[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容存在mongodb中,大概約2G內容;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。項目代碼地址:GitHub托管

[12]QunarSpider - 去哪兒網爬蟲。 網絡爬蟲之Selenium使用代理登陸:爬取去哪兒網站,使用selenium模擬瀏覽器登陸,獲取翻頁操作。代理可以存入一個文件,程序讀取并使用。支持多進程抓取。項目代碼地址:GitHub托管

[13]findtrip - 機票爬蟲(去哪兒和攜程網)。Findtrip是一個基于Scrapy的機票爬蟲,目前整合了國內兩大機票網站(去哪兒 + 攜程)。項目代碼地址:GitHub托管

[14]163spider - 基于requests、MySQLdb、torndb的網易客戶端內容爬蟲。項目代碼地址:GitHub托管

[15]doubanspiders - 豆瓣電影、書籍、小組、相冊、東西等爬蟲集。項目代碼地址:GitHub托管

[16]QQSpider - QQ空間爬蟲,包括日志、說說、個人信息等,一天可抓取 400 萬條數據。項目代碼地址:GitHub托管

[17]baidu-music-spider - 百度mp3全站爬蟲,使用redis支持斷點續傳。項目代碼地址:GitHub托管

[18]tbcrawler - 淘寶和天貓的爬蟲,可以根據搜索關鍵詞,物品id來抓去頁面的信息,數據存儲在mongodb。項目代碼地址:GitHub托管

[19]stockholm - 一個股票數據(滬深)爬蟲和選股策略測試框架。根據選定的日期范圍抓取所有滬深兩市股票的行情數據。支持使用表達式定義選股策略。支持多線程處理。保存數據到JSON文件、CSV文件。項目代碼地址:GitHub托管

[20]BaiduyunSpider - 愛百應,百度云網盤搜索引擎。包含百度云網盤爬蟲、網站前后端、搜索,整套服務。項目代碼地址:GitHub托管 安裝部署:點擊查看教程

相關推薦

發表評論

微信掃一掃

微信掃一掃

微信掃一掃,分享到朋友圈

Python網絡爬蟲實戰項目代碼集合-不定時更新
返回頂部

顯示

忘記密碼?

顯示

顯示

獲取驗證碼

Close
七星彩走势图500