作者：SFLYQ
今天为大家整理了19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~
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。
distribute_crawler [5]– 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 [6]– 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。
scrapy_jingdong [7]– 京东爬虫。基于scrapy的京东网站爬虫，保存格式为csv。
wooyun_public[8]-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。
163spider [9] – 基于requests、MySQLdb、torndb的网易客户端内容爬虫
doubanspiders[10]– 豆瓣电影、书籍、小组、相册、东西等爬虫集
QQSpider [11]– 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 [12]– 百度mp3全站爬虫，使用redis支持断点续传。
Spider[13]-社交数据爬虫。支持微博,知乎,豆瓣。
music-163[14]-爬取网易云音乐所有歌曲的评论。
CnblogsSpider[15]-cnblogs列表页爬虫。
knowsecSpider2[16]-知道创宇爬虫题目。
aiss-spider[17]-爱丝APP图片爬虫。
csdn-spider[18]-爬取CSDN上的博客文章。
ProxySpider[19]-爬取西刺上的代理IP，并验证代理可用性
End.
来源：36大数据(36dsj.com)
