爬虫GIt代码01

Python Spider

• 贵有恒，何必三更起五更睡；最无益，只怕一日暴十寒。
• Python3爬虫实战：实战源码+博客讲解
• 个人网站
• CSDN博客
• CSDN爬虫专栏
  
• 学习交流群【328127489】
  
• 分享技术，乐享生活：Jack Cui公众号每周五推送“程序员欢乐送”系列资讯类文章，欢迎您的关注！

声明

• 代码、教程均为Jack Cui本人原创，且仅限于学习交流，请勿用于任何商业用途！

文章首发声明

• 文章在自己的个人网站首发，其他平台文章均属转发，如想获得最新更新进展，欢迎关注我的个人网站：http://cuijiahua.com/

目录

• 爬虫小工具
  • 文件下载小助手
• 爬虫实战
  • 笔趣看小说下载
  • VIP视频下载
  • 百度文库文章下载_rev1
  • 百度文库文章下载_rev2
  • 《帅啊》网帅哥图片下载
  • 构建代理IP池
  • 《火影忍者》漫画下载
  • 财务报表下载小助手
  • 一小时入门网络爬虫
  • 抖音App视频下载_rev1
  • 抖音App视频下载_rev2
  • 抖音App视频下载_rev3
  • GEETEST验证码破解
  • 12306抢票小助手
  • 百万英雄答题辅助系统
  • 网易云音乐批量下载
  • B站视频和弹幕批量下载
  • 京东商品晒单图下载
  • 正方教务管理系统爬虫
• 其它

爬虫小工具

• downloader.py:文件下载小助手

  一个可以用于下载图片、视频、文件的小工具，有下载进度显示功能。稍加修改即可添加到自己的爬虫中。

  动态示意图：

  [外链图片转存失败(img-m0QuTLo1-1564192052891)(https://raw.githubusercontent.com/Jack-Cherish/Pictures/master/9.gif)]

爬虫实战

• biqukan.py:《笔趣看》盗版小说网站，爬取小说工具

  第三方依赖库安装：

   pip3 install beautifulsoup4
  

  使用方法：

   python biqukan.py
  

• video_downloader：爱奇艺等主流视频网站的VIP视频破解助手(暂只支持PC和手机在线观看VIP视频！)

  感谢Python3二维码生成器作者：https://github.com/sylnsfar/qrcode

  编译好的软件下载连接：https://pan.baidu.com/s/1bqSTNJL 密码:p8bs

  解压密码：cuijiahua.com

  无需Python3环境，在Windows下，解压即用！软件使用方法

  源码可查看video_downloader，运行源码需要搭建Python3环境，并安装相应第三方依赖库：

  在video_downloader文件夹下，安装第三方依赖库：

   pip3 install -r requirements.txt
  

  使用方法：

   python movie_downloader.py
  

  运行环境：

   Windows, Python3
   
   Linux, Python3
   
   Mac, Python3
  

• baiduwenku.py: 百度文库word文章爬取

  原理说明：http://blog.csdn.net/c406495762/article/details/72331737

  代码不完善，没有进行打包，不具通用性，纯属娱乐，以后有时间会完善。

• shuaia.py: 爬取《帅啊》网，帅哥图片

  《帅啊》网URL：http://www.shuaia.net/index.html

  原理说明：http://blog.csdn.net/c406495762/article/details/72597755

  第三方依赖库安装：

   pip3 install requests beautifulsoup4
  

• daili.py: 构建代理IP池

  原理说明：http://blog.csdn.net/c406495762/article/details/72793480

• carton: 使用Scrapy爬取《火影忍者》漫画

  代码可以爬取整个《火影忍者》漫画所有章节的内容，保存到本地。更改地址，可以爬取其他漫画。保存地址可以在settings.py中修改。

  动漫网站：http://comic.kukudm.com/

  原理说明：http://blog.csdn.net/c406495762/article/details/72858983

• hero.py: 《王者荣耀》推荐出装查询小助手

  网页爬取已经会了，想过爬取手机APP里的内容吗？

  原理说明：http://blog.csdn.net/c406495762/article/details/76850843

• financical.py: 财务报表下载小助手

  爬取的数据存入数据库会吗？《跟股神巴菲特学习炒股之财务报表入库(MySQL)》也许能给你一些思路。

  原理说明：http://blog.csdn.net/c406495762/article/details/77801899

  动态示意图：

  [外链图片转存失败(img-D1fDJTxA-1564192052898)(https://raw.githubusercontent.com/Jack-Cherish/Pictures/master/10.gif)]

• one_hour_spider:一小时入门Python3网络爬虫。

  原理说明:

  • 知乎：https://zhuanlan.zhihu.com/p/29809609
  • CSDN：http://blog.csdn.net/c406495762/article/details/78123502

  本次实战内容有：

  • 网络小说下载(静态网站)-biqukan
  • 优美壁纸下载(动态网站)-unsplash
  • 爱奇艺VIP视频下载

• douyin.py:抖音App视频下载

  抖音App的视频下载，就是普通的App爬取。

  原理说明:

  • 个人网站：http://cuijiahua.com/blog/2018/03/spider-5.html

• douyin_pro:抖音App视频下载（升级版）

  抖音App的视频下载，添加视频解析网站，支持无水印视频下载，使用第三方平台解析。

  原理说明:

  • 个人网站：http://cuijiahua.com/blog/2018/03/spider-5.html

• douyin:抖音App视频下载（升级版2）

  抖音App的视频下载，添加视频解析网站，支持无水印视频下载，通过url解析，无需第三方平台。

  原理说明:

  • 个人网站：http://cuijiahua.com/blog/2018/03/spider-5.html

  动态示意图：

  [外链图片转存失败(img-3n0i2Ttp-1564192052907)(https://github.com/Jack-Cherish/Pictures/blob/master/14.gif)]

• geetest.py:GEETEST验证码破解

  爬虫最大的敌人之一是什么？没错，验证码！Geetest作为提供验证码服务的行家，市场占有率还是蛮高的。遇到Geetest提供的滑动验证码怎么破？授人予鱼不如授人予渔，接下来就为大家呈现本教程的精彩内容。

  原理说明:

  • 个人网站：http://www.cuijiahua.com/blog/2017/11/spider_2_geetest.html

  动态示意图：

  [外链图片转存失败(img-5HbcCvCl-1564192052910)(https://github.com/Jack-Cherish/Pictures/blob/master/spider_2_1.gif)]

• 12306.py:用Python抢火车票简单代码

  可以自己慢慢丰富，蛮简单，有爬虫基础很好操作，没有原理说明。

• baiwan:百万英雄辅助答题

  效果图：

  [外链图片转存失败(img-F3pif7Ft-1564192052912)(https://github.com/Jack-Cherish/Pictures/blob/master/11.gif)]

  原理说明：

  • 个人网站：http://cuijiahua.com/blog/2018/01/spider_3.html

  功能介绍：

  服务器端，使用Python（baiwan.py）通过抓包获得的接口获取答题数据，解析之后通过百度知道搜索接口匹配答案，将最终匹配的结果写入文件（file.txt)。

  手机抓包不会的朋友，可以看下我的早期手机APP抓包教程。

  Node.js（app.js）每隔1s读取一次file.txt文件，并将读取结果通过socket.io推送给客户端（index.html）。

  亲测答题延时在3s左右。

  声明：没做过后端和前端，花了一天时间，现学现卖弄好的，javascript也是现看现用，百度的程序，调试调试而已。可能有很多用法比较low的地方，用法不对，请勿见怪，有大牛感兴趣，可以自行完善。

• Netease:根据歌单下载网易云音乐

  效果图：

  [外链图片转存失败(img-e3KlnpWq-1564192052913)(https://github.com/Jack-Cherish/Pictures/blob/master/13.gif)]

  原理说明：

  暂无

  功能介绍：

  根据music_list.txt文件里的歌单的信息下载网易云音乐，将自己喜欢的音乐进行批量下载。

• bilibili：B站视频和弹幕批量下载

  原理说明：

  暂无

  使用说明：

   python bilibili.py -d 猫 -k 猫 -p 10
  
   三个参数：
   -d	保存视频的文件夹名
   -k	B站搜索的关键字
   -p	下载搜索结果前多少页
  

• jingdong：京东商品晒单图下载

  效果图：

  [外链图片转存失败(img-54p6FoQ2-1564192052915)(https://github.com/Jack-Cherish/Pictures/blob/master/jd.gif)]

  原理说明：

  暂无

  使用说明：

   python jd.py -k 芒果
  
    三个参数：
   -d	保存图片的路径，默认为fd.py文件所在文件夹
   -k	搜索关键词
   -n  	下载商品的晒单图个数，即n个商店的晒单图
  

• zhengfang_system_spider：对正方教务管理系统个人课表，学生成绩，绩点等简单爬取

  效果图：

  [外链图片转存失败(img-iPvaiTly-1564192052916)(/zhengfang_system_spider/screenshot/zf.png)]

  原理说明：

  暂无

  使用说明：

   cd zhengfang_system_spider
   pip install -r requirements.txt
   python spider.py
  

其它

• 欢迎 Pull requests，感谢贡献。