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遍历某目录下的所有文件夹与文件路径
Mar 15 Python
Python实现全排列的打印
Aug 18 Python
对Python random模块打乱数组顺序的实例讲解
Nov 08 Python
PyQt4编程之让状态栏显示信息的方法
Jun 18 Python
python使用Matplotlib改变坐标轴的默认位置
Oct 18 Python
利用matplotlib实现根据实时数据动态更新图形
Dec 13 Python
tensorflow 只恢复部分模型参数的实例
Jan 06 Python
python实现百度OCR图片识别过程解析
Jan 17 Python
PyQt5+Pycharm安装和配置图文教程详解
Mar 24 Python
scrapy处理python爬虫调度详解
Nov 23 Python
Python爬虫入门案例之爬取二手房源数据
Oct 16 Python
python实现手机推送 代码也就10行左右
Apr 12 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 minixml详解
2008/07/19 PHP
PHP 加密/解密函数 dencrypt(动态密文,带压缩功能,支持中文)
2009/01/30 PHP
使用PHP编写发红包程序
2015/07/22 PHP
YII CLinkPager分页类扩展增加显示共多少页
2016/01/29 PHP
thinkPHP删除前弹出确认框的简单实现方法
2016/05/16 PHP
document.designMode的功能与使用方法介绍
2007/11/22 Javascript
javascript面向对象包装类Class封装类库剖析
2013/01/24 Javascript
js异常捕获方法介绍
2013/04/10 Javascript
js 使FORM表单的所有元素不可编辑的示例代码
2013/10/17 Javascript
javascript上传图片前预览图片兼容大多数浏览器
2013/10/25 Javascript
两种不同的方法实现js对checkbox进行全选和反选
2014/05/13 Javascript
js获取字符串字节数方法小结
2015/06/09 Javascript
兼容各大浏览器的JavaScript阻止事件冒泡代码
2015/07/09 Javascript
javascript基本语法
2016/05/31 Javascript
javascript中数组和字符串的方法对比
2016/07/20 Javascript
JavaScript获取移动设备型号的实现代码(JS获取手机型号和系统)
2018/03/10 Javascript
Angular Renderer (渲染器)的具体使用
2018/05/03 Javascript
jQuery+Datatables实现表格批量删除功能【推荐】
2018/10/24 jQuery
js中async函数结合promise的小案例浅析
2019/04/14 Javascript
JS实现的贪吃蛇游戏案例详解
2019/05/01 Javascript
layui实现三级导航菜单
2019/07/26 Javascript
iview实现图片上传功能
2020/06/29 Javascript
Python 时间处理datetime实例
2008/09/06 Python
Python创建xml的方法
2015/03/10 Python
python 获取当天每个准点时间戳的实例
2018/05/22 Python
实时获取Python的print输出流方法
2019/01/07 Python
对pyqt5之menu和action的使用详解
2019/06/20 Python
Python使用enumerate获取迭代元素下标
2020/02/03 Python
Python利用FFT进行简单滤波的实现
2020/02/26 Python
英国鹦鹉店:Parrot Essentials
2018/12/03 全球购物
中层干部岗位职责
2013/12/18 职场文书
效能监察建议书
2014/05/19 职场文书
医疗器械售后服务承诺书
2014/05/21 职场文书
会计电算化实训报告
2014/11/04 职场文书
医德医风学习心得体会
2016/01/25 职场文书
oracle通过存储过程上传list保存功能
2021/05/12 Oracle