花了一周整理的,这是价值10W的32个Python项目!

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,祝大家玩得愉快~

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。

https://github.com/LiuXingMing/QQSpider

WechatSogou

https://github.com/Chyroc/WechatSogou

DouBanSpider

https://github.com/lanbing510/DouBanSpider

https://github.com/LiuRoy/zhihu_spider

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

SinaSpider

https://github.com/LiuXingMing/SinaSpider

distribute_crawler

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。

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。

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。

https://github.com/taizilongxu/scrapy_jingdong

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。

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

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。

https://github.com/hanc00l/wooyun_public

spider

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。

https://github.com/simapple/spider

findtrip

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)。

https://github.com/fankcoder/findtrip

163spider

基于requests、MySQLdb、torndb的网易客户端内容爬虫。

https://github.com/leyle/163spider

doubanspiders

豆瓣电影、书籍、小组、相册、东西等爬虫集。

https://github.com/fanpei91/doubanspiders

baidu-music-spider

百度mp3全站爬虫,使用redis支持断点续传。

https://github.com/Shu-Ji/baidu-music-spider

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。

https://github.com/pakoo/tbcrawler

stockholm

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。

https://github.com/benitoro/stockholm

BaiduyunSpider

百度云盘爬虫。

https://github.com/k1995/BaiduyunSpider

Spider

社交数据爬虫。支持微博,知乎,豆瓣。

https://github.com/Qutan/Spider

proxy pool

Python爬虫代理IP池(proxy pool)。

https://github.com/jhao104/proxy_pool

music-163

爬取网易云音乐所有歌曲的评论。

https://github.com/RitterHou/music-163

jandan_spider

爬取煎蛋妹纸图片。

https://github.com/kulovecc/jandan_spider

CnblogsSpider

Cnblogs列表页爬虫。

https://github.com/jackgitgz/CnblogsSpider

spider_smooc

爬取慕课网视频。

https://github.com/qiyeboy/spider_smooc

CnkiSpider

中国知网爬虫。

https://github.com/yanzhou/CnkiSpider

knowsecSpider2

知道创宇爬虫题目。

https://github.com/littlethunder/knowsecSpider2

aiss-spider

爱丝APP图片爬虫。

https://github.com/x-spiders/aiss-spider

SinaSpider

动态IP解决新浪的反爬虫机制,快速抓取内容。

https://github.com/szcf-weiya/SinaSpider

csdn-spider

爬取CSDN上的博客文章。

https://github.com/Kevinsss/csdn-spider

ProxySpider

爬取西刺上的代理IP,并验证代理可用性。

https://github.com/changetjut/ProxySpider

你可能感兴趣的:(花了一周整理的,这是价值10W的32个Python项目!)