寫(xiě)在前面

你想成為Python爬蟲(chóng)的高手么？你想爬取你想要的高質(zhì)量數(shù)據(jù)么？

那么你得需要進(jìn)行爬蟲(chóng)項(xiàng)目的演練，那樣你才有可能在Python爬蟲(chóng)的道路上走的更遠(yuǎn)

小編在這里精心總結(jié)了20個(gè)爬蟲(chóng)項(xiàng)目的演練，是目前爬蟲(chóng)高手一直專注的領(lǐng)域。

小編將為大家提供這些項(xiàng)目的源碼供大家參考練習(xí)！！致敬奮斗的你！！

需要項(xiàng)目源碼的小伙伴關(guān)注、轉(zhuǎn)發(fā)文章，私信小編“007”即可獲取這些項(xiàng)目的源碼

需要項(xiàng)目源碼的小伙伴關(guān)注、轉(zhuǎn)發(fā)文章，私信小編“007”即可獲取這些項(xiàng)目的源碼

需要項(xiàng)目源碼的小伙伴關(guān)注、轉(zhuǎn)發(fā)文章，私信小編“007”即可獲取這些項(xiàng)目的源碼

項(xiàng)目名稱及介紹

注意：因?yàn)槊Q涉及太多互聯(lián)網(wǎng)電商平臺(tái)的大佬，所以企業(yè)關(guān)鍵字小編用拼寫(xiě)代替

1、【W(wǎng)echatSogou】- weixin公眾號(hào)爬蟲(chóng)。基于weixin搜索的weixin公眾號(hào)爬蟲(chóng)接口，可以擴(kuò)展成基于搜狗搜索的爬蟲(chóng)，返回結(jié)果是列表，每一項(xiàng)均是公眾號(hào)具體信息字典。

2、【DouBanSpider】- douban讀書(shū)爬蟲(chóng)。可以爬下豆瓣讀書(shū)標(biāo)簽下的所有圖書(shū)，按評(píng)分排名依次存儲(chǔ)，存儲(chǔ)到Excel中，可方便大家篩選搜羅，比如篩選評(píng)價(jià)人數(shù)>1000的高分書(shū)籍；可依據(jù)不同的主題存儲(chǔ)到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進(jìn)行爬取，并加入隨機(jī)延時(shí)來(lái)更好的模仿瀏覽器行為，避免爬蟲(chóng)被封。

3、【zhihu_spider】- zhihu爬蟲(chóng)。此項(xiàng)目的功能是爬取zhihu用戶信息以及人際拓?fù)潢P(guān)系，爬蟲(chóng)框架使用scrapy，數(shù)據(jù)存儲(chǔ)使用mongo

4、【bilibili-user】- Bilibili用戶爬蟲(chóng)。總數(shù)據(jù)數(shù)：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級(jí)，經(jīng)驗(yàn)值，粉絲數(shù)，生日，地址，注冊(cè)時(shí)間，簽名，等級(jí)與經(jīng)驗(yàn)值等。抓取之后生成13站用戶數(shù)據(jù)報(bào)告。

5、【SinaSpider】- xinlang微博爬蟲(chóng)。主要爬取xinlang微博用戶的個(gè)人信息、微博信息、粉絲和關(guān)注。代碼獲取xinlang微博Cookie進(jìn)行登錄，可通過(guò)多賬號(hào)登錄來(lái)防止xinlang的反扒。主要使用 scrapy 爬蟲(chóng)框架。

6、【distribute_crawler】- 小說(shuō)下載分布式爬蟲(chóng)。使用scrapy,Redis, MongoDB,graphite實(shí)現(xiàn)的一個(gè)分布式網(wǎng)絡(luò)爬蟲(chóng),底層存儲(chǔ)mongodb集群,分布式使用redis實(shí)現(xiàn),爬蟲(chóng)狀態(tài)顯示使用graphite實(shí)現(xiàn)，主要針對(duì)一個(gè)小說(shuō)站點(diǎn)。

7、【CnkiSpider】- 知網(wǎng)爬蟲(chóng)。設(shè)置檢索條件后，執(zhí)行src/CnkiSpider.py抓取數(shù)據(jù)，抓取數(shù)據(jù)存儲(chǔ)在/data目錄下，每個(gè)數(shù)據(jù)文件的第一行為字段名稱。

8、【LianJiaSpider】- 鏈家網(wǎng)爬蟲(chóng)。爬取北京地區(qū)鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲(chóng)一文的全部代碼，包括鏈家模擬登錄代碼。

9、【scrapy_jingdong】-jingdong爬蟲(chóng)。基于scrapy的京東網(wǎng)站爬蟲(chóng)，保存格式為csv。

10、【QQ-Groups-Spider】- QQ 群爬蟲(chóng)。批量抓取 QQ 群信息，包括群名稱、群號(hào)、群人數(shù)、群主、群簡(jiǎn)介等內(nèi)容，最終生成 XLS(X) / CSV 結(jié)果文件。

11、【wooyun_public】-烏云爬蟲(chóng)。 烏云公開(kāi)漏洞、知識(shí)庫(kù)爬蟲(chóng)和搜索。全部公開(kāi)漏洞的列表和每個(gè)漏洞的文本內(nèi)容存在mongodb中，大概約2G內(nèi)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(shí)(10M電信帶寬)；爬取全部知識(shí)庫(kù)，總共約500M空間。漏洞搜索使用了Flask作為web server，bootstrap作為前端。

12、【QunarSpider】- 去哪兒網(wǎng)爬蟲(chóng)。 網(wǎng)絡(luò)爬蟲(chóng)之Selenium使用代理登陸：爬取去哪兒網(wǎng)站，使用selenium模擬瀏覽器登陸，獲取翻頁(yè)操作。代理可以存入一個(gè)文件，程序讀取并使用。支持多進(jìn)程抓取。

13、【findtrip】- 機(jī)票爬蟲(chóng)(qunaer+xiecheng網(wǎng))。Findtrip是一個(gè)基于Scrapy的機(jī)票爬蟲(chóng)，目前整合了國(guó)內(nèi)兩大機(jī)票網(wǎng)站(qunaer+xiecheng網(wǎng))。

14、【163spider】 - 基于requests、MySQLdb、torndb的網(wǎng)易客戶端內(nèi)容爬蟲(chóng)

15、【doubanspiders】- douban電影、書(shū)籍、小組、相冊(cè)、東西等爬蟲(chóng)集

16、【QQSpider】- QQ空間爬蟲(chóng)，包括日志、說(shuō)說(shuō)、個(gè)人信息等，一天可抓取 400 萬(wàn)條數(shù)據(jù)。

17、【baidu-music-spider】- baidu_mp3全站爬蟲(chóng)，使用redis支持?jǐn)帱c(diǎn)續(xù)傳。

18、【tbcrawler】- taobao的爬蟲(chóng),可以根據(jù)搜索關(guān)鍵詞,物品id來(lái)抓去頁(yè)面的信息，數(shù)據(jù)存儲(chǔ)在mongodb。

19、【stockholm】- 一個(gè)股票數(shù)據(jù)(滬深)爬蟲(chóng)和選股策略測(cè)試框架。根據(jù)選定的日期范圍抓取所有滬深兩市股票的行情數(shù)據(jù)。支持使用表達(dá)式定義選股策略。支持多線程處理。保存數(shù)據(jù)到JSON文件、CSV文件。

20、【BaiduyunSpider】-baiduyun盤(pán)爬蟲(chóng)。

特別提醒：大家也不要隨隨便便多線程爬取網(wǎng)頁(yè)數(shù)據(jù)，因?yàn)闀?huì)造成服務(wù)器的崩潰。還有雖然爬蟲(chóng)這個(gè)技術(shù)無(wú)罪，但是勸告大家不要用于商業(yè)用途、以及侵犯?jìng)€(gè)人隱私，做項(xiàng)目練練手可以，別被關(guān)進(jìn)小黑屋了，切記！！

寫(xiě)在最后

小伙伴們，看了這篇文章還有為了沒(méi)有爬蟲(chóng)項(xiàng)目練手而慌張么？獲取項(xiàng)目源碼看圖片下方的獲取方式哦~希望小編的文章能夠幫助到學(xué)爬蟲(chóng)的你。

最后，致敬正在奮斗的你們！！！！

總結(jié)

以上是生活随笔為你收集整理的自己帮别人写的网站可以公开源码吗_专注爬虫：20个精心总结爬虫项目，爬虫技术这里强（附源码）...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。