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入门教程之if语句的用法
May 14 Python
Python面向对象之接口、抽象类与多态详解
Aug 27 Python
Python装饰器基础概念与用法详解
Dec 22 Python
在python 中实现运行多条shell命令
Jan 07 Python
Python Image模块基本图像处理操作小结
Apr 13 Python
python如何给字典的键对应的值为字典项的字典赋值
Jul 05 Python
利用python计算windows全盘文件md5值的脚本
Jul 27 Python
18个Python脚本可加速你的编码速度(提示和技巧)
Oct 17 Python
python 计算概率密度、累计分布、逆函数的例子
Feb 25 Python
解决Keyerror ''acc'' KeyError: ''val_acc''问题
Jun 18 Python
plt.figure()参数使用详解及运行演示
Jan 08 Python
Python编程根据字典列表相同键的值进行合并
Oct 05 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 中英文语言转换类代码
2011/08/11 PHP
PHP数据流应用的一个简单实例
2012/09/14 PHP
PHP mysql事务问题实例分析
2016/01/18 PHP
程序员的表白神器“520”大声喊出来
2016/05/20 PHP
Thinkphp页面跳转设置跳转等待时间的操作
2019/10/16 PHP
JavaScript 封装Ajax传递的数据代码
2009/06/05 Javascript
模仿JQuery.extend函数扩展自己对象的js代码
2009/12/09 Javascript
chrome浏览器当表单自动填充时如何去除浏览器自动添加的默认样式
2015/10/09 Javascript
NodeJS实现阿里大鱼短信通知发送
2016/01/17 NodeJs
jQuery.parseHTML() 函数详解
2017/01/09 Javascript
easyui简介_动力节点Java学院整理
2017/07/14 Javascript
谈谈对vue响应式数据更新的误解
2017/08/01 Javascript
vue子路由跳转实现tab选项卡
2019/07/24 Javascript
Taro UI框架开发小程序实现左滑喜欢右滑不喜欢效果的示例代码
2020/05/18 Javascript
vue.js实现h5机器人聊天(测试版)
2020/07/16 Javascript
原生js实现自定义滚动条
2021/01/20 Javascript
简单讲解Python中的数字类型及基本的数学计算
2016/03/11 Python
python读取与写入csv格式文件的示例代码
2017/12/16 Python
Python神奇的内置函数locals的实例讲解
2019/02/22 Python
python仿抖音表白神器
2019/04/08 Python
解决Django Haystack全文检索为空的问题
2020/05/19 Python
浅谈Python协程
2020/06/17 Python
如何基于matlab相机标定导出xml文件
2020/11/02 Python
python基于openpyxl生成excel文件
2020/12/23 Python
利用CSS3实现炫酷的飞机起飞动画
2016/09/17 HTML / CSS
美国知名的女性服饰品牌:LOFT(洛芙特)
2016/08/05 全球购物
世界上最全面的汽车零部件和配件集合:JC Whitney
2016/09/04 全球购物
英国假发网站:Hothair
2018/02/23 全球购物
三好学生自我鉴定
2013/12/17 职场文书
英语教学随笔感言
2014/02/20 职场文书
大学生学习2014年全国两会心得体会
2014/03/12 职场文书
教师爱岗敬业演讲稿
2014/05/05 职场文书
党员剖析材料范文
2014/12/18 职场文书
2015年生产部工作总结范文
2015/05/25 职场文书
观看焦裕禄观后感
2015/06/09 职场文书
docker compose 部署 golang 的 Athens 私有代理问题
2022/04/28 Servers