33个Python爬虫项目实战(推荐)


Posted in Python onJuly 08, 2019

今天为大家整理了32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~O(∩_∩)O

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。

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。

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

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。

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。

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。

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。

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。

scrapy_jingdong [9]- 京东爬虫。基于scrapy的京东网站爬虫,保存格式为csv。

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。

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。

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

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)。

163spider [14] - 基于requests、MySQLdb、torndb的网易客户端内容爬虫

doubanspiders[15]- 豆瓣电影、书籍、小组、相册、东西等爬虫集 writen by Python

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。

baidu-music-spider [17]- 百度mp3全站爬虫,使用redis支持断点续传。

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。

BaiduyunSpider[20]-百度云盘爬虫。

Spider[21]-社交数据爬虫。支持微博,知乎,豆瓣。

proxy pool[22]-Python爬虫代理IP池(proxy pool)。

music-163[23]-爬取网易云音乐所有歌曲的评论。

jandan_spider[24]-爬取煎蛋妹纸图片。

CnblogsSpider[25]-cnblogs列表页爬虫。

spider_smooc[26]-爬取慕课网视频。

CnkiSpider[27]-中国知网爬虫。

knowsecSpider2[28]-知道创宇爬虫题目。

aiss-spider[29]-爱丝APP图片爬虫。

SinaSpider[30]-动态IP解决新浪的反爬虫机制,快速抓取内容。

csdn-spider[31]-爬取CSDN上的博客文章。

ProxySpider[32]-爬取西刺上的代理IP,并验证代理可用性

2018.8.2更新:

webspider[33]-本系统是一个主要使用python3, celery和requests来爬取职位数据的爬虫,实现了定时任务,出错重试,日志记录,自动更改Cookies等的功能,并使用ECharts + Bootstrap 来构建前端页面,来展示爬取到的数据。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python与Java间Socket通信实例代码
Mar 06 Python
pygame游戏之旅 添加icon和bgm音效的方法
Nov 21 Python
Python基于百度云文字识别API
Dec 13 Python
pycharm重命名文件的方法步骤
Jul 29 Python
Python imread、newaxis用法详解
Nov 04 Python
Python 使用type来定义类的实现
Nov 19 Python
Django中从mysql数据库中获取数据传到echarts方式
Apr 07 Python
Keras实现支持masking的Flatten层代码
Jun 16 Python
使用Python将语音转换为文本的方法
Aug 10 Python
python实现简单的五子棋游戏
Sep 01 Python
记一次python 爬虫爬取深圳租房信息的过程及遇到的问题
Nov 24 Python
Python中的嵌套循环详情
Mar 23 Python
详解python中的time和datetime的常用方法
Jul 08 #Python
在python plt图表中文字大小调节的方法
Jul 08 #Python
python文件转为exe文件的方法及用法详解
Jul 08 #Python
简单了解python代码优化小技巧
Jul 08 #Python
python实现在函数图像上添加文字和标注的方法
Jul 08 #Python
python画图——实现在图上标注上具体数值的方法
Jul 08 #Python
简单了解python的break、continue、pass
Jul 08 #Python
You might like
PHP echo,print,printf,sprintf函数之间的区别与用法详解
2013/11/27 PHP
PHP时间戳格式全部汇总 (获取时间、时间戳)
2016/06/13 PHP
php-fpm服务启动脚本的方法
2018/04/27 PHP
laravel5使用freetds连接sql server的方法
2018/12/07 PHP
经验几则 推荐
2006/09/05 Javascript
csdn 博客的css样式 v3
2009/02/24 Javascript
javascript学习笔记(十八) 获得页面中的元素代码
2012/06/20 Javascript
js输出阴历、阳历、年份、月份、周示例代码
2014/01/29 Javascript
javascript获取checkbox复选框获取选中的选项
2014/08/12 Javascript
利用jQuery实现打字机字幕效果实例代码
2016/09/02 Javascript
微信小程序 闭包写法详细介绍
2016/12/14 Javascript
webpack入门+react环境配置
2017/02/08 Javascript
Django使用多数据库的方法
2017/09/06 Javascript
JS实现select选中option触发事件操作示例
2018/07/13 Javascript
详解vue-cli3使用
2018/08/14 Javascript
D3.js(v3)+react 实现带坐标与比例尺的柱形图 (V3版本)
2019/05/09 Javascript
angular4应用中输入的最小值和最大值的方法
2019/05/17 Javascript
[06:33]3.19 DOTA2发布会 海涛、冷冷、2009见证希望
2014/03/21 DOTA
使用python将mdb数据库文件导入postgresql数据库示例
2014/02/17 Python
Python中的fileinput模块的简单实用示例
2015/07/09 Python
python爬虫之urllib3的使用示例
2018/07/09 Python
Flask框架实现给视图函数增加装饰器操作示例
2018/07/16 Python
Python3 批量扫描端口的例子
2019/07/25 Python
python全局变量引用与修改过程解析
2020/01/07 Python
Django ORM实现按天获取数据去重求和例子
2020/05/18 Python
Python中的整除和取模实例
2020/06/03 Python
Python selenium键盘鼠标事件实现过程详解
2020/07/28 Python
Python3爬虫ChromeDriver的安装实例
2021/02/06 Python
Canvas 文字碰撞检测并抽稀的方法
2019/05/27 HTML / CSS
英文简历中的自荐信范文
2013/12/14 职场文书
某同学的自我鉴定范文
2013/12/26 职场文书
幼儿园数学教学反思
2014/02/02 职场文书
代理协议书范本
2014/04/22 职场文书
领导班子对照检查剖析材料
2014/10/13 职场文书
工人先进事迹材料
2014/12/26 职场文书
实习计划书范文
2015/01/16 职场文书