分享一些Python爬虫实例项目
WechatSogou?[1]-?微信公眾號爬蟲?;谒压肺⑿潘阉鞯奈⑿殴娞柵老x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。
DouBanSpider?[2]- 豆瓣讀書爬蟲??梢耘老露拱曜x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。
zhihu_spider?[3]- 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
bilibili-user?[4]- Bilibili用戶爬蟲??倲祿?#xff1a;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。
SinaSpider?[5]- 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。
distribute_crawler?[6]- 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。
CnkiSpider?[7]- 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。
LianJiaSpider?[8]- 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。
scrapy_jingdong?[9]- 京東爬蟲?;趕crapy的京東網站爬蟲,保存格式為csv。
QQ-Groups-Spider?[10]- 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。
wooyun_public[11]-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。
QunarSpider?[12]- 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。
findtrip?[13]- 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)。
163spider?[14] - 基于requests、MySQLdb、torndb的網易客戶端內容爬蟲
doubanspiders[15]- 豆瓣電影、書籍、小組、相冊、東西等爬蟲集
QQSpider?[16]- 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。
baidu-music-spider?[17]- 百度mp3全站爬蟲,使用redis支持斷點續傳。
tbcrawler[18]- 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。
stockholm?[19]- 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。
BaiduyunSpider[20]-百度云盤爬蟲。?
?
------------------------------------------------------
------------------------------------------------------
關于我,前往個人域名
期望和大家一起學習,共同進步,共勉
歡迎交流問題,可加個人QQ 469580884
或者,加我的群號?751925591,一起探討交流問題
不講虛的,只做實干家
Talk is cheap,show me the code
總結
以上是生活随笔為你收集整理的分享一些Python爬虫实例项目的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 疯狂英语口语突破-突破句型2
- 下一篇: python列表生成器二维筛选_如何加速