Python网络爬虫实战项目大全！

学习Python主要是爬取各种数据，进行数据分析，获得各种有意思的东西。今天我们就来做些Python网络爬虫实战项目，包含微信公号、豆瓣、知乎等网站爬虫，大家也要自己动手练练看呀。

WechatSogou - 微信（http://lib.csdn.net/base/wechat）公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口，通过搜狗搜索获取公众号的openid，创建公众号历史消息请求URL，解析出历史消息总量、历史消息总页数、单个历史消息的XML，根据读取到的所有的历史消息XML内容，创建RSS文件。

代码： https://github.com/Chyroc/WechatSogou

---

DouBanSpider - 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。

代码： https://github.com/lanbing510/DouBanSpider

---

zhihu_spider - 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

代码： https://github.com/LiuRoy/zhihu_spider4

---

bilibili-user - 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。

代码： https://github.com/airingursb/bilibili-user

---

SinaSpider 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。

代码： https://github.com/LiuXingMing/SinaSpider

---

distribute_crawler - 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。

代码： https://github.com/gnemoug/distribute_crawler

---

CnkiSpider - 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。

代码： https://github.com/yanzhou/CnkiSpider

---

LianJiaSpider - 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。

代码： https://github.com/lanbing510/LianJiaSpider

---

scrapy_jingdong - 京东爬虫。基于scrapy的京东网站爬虫，保存格式为csv。

代码： https://github.com/taizilongxu/scrapy_jingdong10

---

QQ-Groups-Spider - 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。

代码： https://github.com/caspartse/QQ-Groups-Spider

---

QQSpider - 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。

代码： https://github.com/LiuXingMing/QQSpider

---

tbcrawler - 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。

代码： https://github.com/caspartse/QQ-Groups-Spider

推荐文章：

如何自学Python爬虫技术（文末有福利）