python项目实例源代码-32个Python爬虫实战项目,满足你的项目慌(带源码)

学习Python爬虫的小伙伴想成为爬虫行业的大牛么?

你想在网页上爬取你想要的数据不费吹灰之力么?

那么亲爱的小伙伴们肯定需要项目实战去磨练自己的技术,毕竟没有谁能随随便便成功!

小编前段时间精心总结出了32个实用的爬虫项目,是目前主流爬虫的方向!

小编将为大家提供这些项目的源码供大家参考练习!!致敬奋斗的你!!

需要项目源码的小伙伴,私信小编"1”即可获取这些项目的源码

爬虫项目名称及简介

python项目实例源代码-32个Python爬虫实战项目,满足你的项目慌(带源码)_第1张图片

一些项目名称涉及企业名词,小编用拼写代替

1、【WechatSogou】- weixin公众号爬虫。基于weixin公众号爬虫接口,可以扩展成其他搜索引擎的爬虫,返回结果是列表,每一项是公众号具体信息字典。

2、【DouBanSpider】- douban读书爬虫。可以爬下豆瓣读书所有图书,按评分排名依次存储,存储到Excel中,比如筛选评价人数>1000的高分段书籍;可依据不同的类别存储到Excel不同的分类 ,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。

3、【zhihu_spider】- zhihu爬虫。爬取zhihu用户信息以及人际关系,爬虫框架使用scrapy,爬取的数据存储使用mongo

4、【bilibili-user】- Bilibili用户爬虫。抓取用户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13站用户数据Excel表格。

5、【SinaSpider】- xinlang微博爬虫。爬取xinlang微博用户的个人信息、微博信息、粉丝和关注。代码获取xinlang微博Cookie进行登录,可通过多账号登录来防止xinlang的反扒。主要使用 scrapy 爬虫框架。

6、【knowsecSpider2】-知道创宇爬虫项目。

7、【aiss-spider】-爱丝APP图片爬虫。

8、【SinaSpider】-动态IP解决新浪的反爬虫机制,快速抓取内容。

9、【csdn-spider】-爬取CSDN上的博客文章。

10、【ProxySpider】-爬取西刺上的代理IP,并验证代理可用性

11、【QQSpider】- qq空间爬虫,包括日志、说说、个人信息等,一天可抓取 500 万条数据。

12、【baidu-music-spider】- baidu_mp3全站爬虫,使用redis支持断点续传。

13、【tbcrawler】- taobao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。

14、【stockholm】- 股票(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。

15、【BaiduyunSpider】-baiduyun盘爬虫。

16、【wooyun_public】-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。

17、【QunarSpider】-qu哪儿wang爬虫。 网络爬虫之Selenium使用代理登陆:爬取去哪儿网,使用selenium模拟浏览器登陆,获取翻页操作。代理可以存入一个文件,程序读取并使用。支持多进程抓取。

18、【findtrip】- 飞机票爬虫(qunaer+xiecheng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(qunaer+xiecheng网)。

19、【163spider】 - 基于requests、MySQLdb、torndb的网易客户端内容爬虫

20、【doubanspiders】- douban电影、书籍、小组、相册、东西等爬虫集

21、【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。

22、【CnkiSpider】- zhi-wang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。

23、【LianJiaSpider】- 链家网爬虫。爬取beijing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。

24、【scrapy_jingdong】-jingdong爬虫。基于scrapy的jingdong网站爬虫,保存格式为csv。

25、【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

26、【Spider】-社交数据爬虫。支持weibo,zhiohu,豆瓣。

27、【proxy pool】-Python爬虫代理IP池(proxy pool)。

28、【music-163】-爬取wang-yi云音乐所有歌曲的评论。

29、【jandan_spider】-爬取煎蛋妹纸图片。

30、【CnblogsSpider】-cnblogs列表页爬虫。

31、【spider_smooc】-爬取mu-ke网视频。

32、【CnkiSpider】-Chinese知网爬虫

特别提醒:小伙伴在用上述项目练手的时候,需要限制爬取速率,不要动不动就使用多线程爬取网页数据。上述网站都是大家日常生活中常用的网站,不要为了自己的个人练手而导致服务器的停摆,谨记谨记!

写在最后

python项目实例源代码-32个Python爬虫实战项目,满足你的项目慌(带源码)_第2张图片

加油吧!少年!

未来是你们的!!!

你可能感兴趣的:(python项目实例源代码-32个Python爬虫实战项目,满足你的项目慌(带源码))