資訊專欄INFORMATION COLUMN
摘要：今天為大家整理了個爬蟲項目。地址新浪微博爬蟲主要爬取新浪微博用戶的個人信息微博信息粉絲和關注。代碼獲取新浪微博進行登錄，可通過多賬號登錄來防止新浪的反扒。涵蓋鏈家爬蟲一文的全部代碼，包括鏈家模擬登錄代碼。支持微博知乎豆瓣。
今天為大家整理了23個Python爬蟲項目。整理的原因是，爬蟲入門簡單快速，也非常適合新入門的小伙伴培養信心，所有鏈接指向GitHub，微信不能直接打開，老規矩，可以用電腦打開。
關注公眾號「Python專欄」，后臺回復：爬蟲書籍，獲取2本Python爬蟲相關電子書。
1. WechatSogou – 微信公眾號爬蟲基于搜狗微信搜索的微信公眾號爬蟲接口，可以擴展成基于搜狗搜索的爬蟲，返回結果是列表，每一項均是公眾號具體信息字典。
github地址：
https://github.com/Chyroc/Wec...
2. DouBanSpider – 豆瓣讀書爬蟲可以爬下豆瓣讀書標簽下的所有圖書，按評分排名依次存儲，存儲到Excel中，可方便大家篩選搜羅，比如篩選評價人數>1000的高分書籍；可依據不同的主題存儲到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進行爬取，并加入隨機延時來更好的模仿瀏覽器行為，避免爬蟲被封。
github地址：
https://github.com/lanbing510...
3. zhihu_spider – 知乎爬蟲此項目的功能是爬取知乎用戶信息以及人際拓撲關系，爬蟲框架使用scrapy，數據存儲使用mongo
github地址：
https://github.com/LiuRoy/zhi...
4. bilibili-user – Bilibili用戶爬蟲總數據數：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級，經驗值，粉絲數，生日，地址，注冊時間，簽名，等級與經驗值等。抓取之后生成B站用戶數據報告。
github地址：
https://github.com/airingursb...
5. SinaSpider – 新浪微博爬蟲主要爬取新浪微博用戶的個人信息、微博信息、粉絲和關注。代碼獲取新浪微博Cookie進行登錄，可通過多賬號登錄來防止新浪的反扒。主要使用 scrapy 爬蟲框架。
github地址：
https://github.com/LiuXingMin...
6. distribute_crawler – 小說下載分布式爬蟲使用scrapy,Redis, MongoDB,graphite實現的一個分布式網絡爬蟲,底層存儲MongoDB集群,分布式使用Redis實現,爬蟲狀態顯示使用graphite實現，主要針對一個小說站點。
github地址：
https://github.com/gnemoug/di...
7. CnkiSpider – 中國知網爬蟲。設置檢索條件后，執行src/CnkiSpider.py抓取數據，抓取數據存儲在/data目錄下，每個數據文件的第一行為字段名稱。
github地址：
https://github.com/yanzhou/Cn...
8. LianJiaSpider – 鏈家網爬蟲。爬取北京地區鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲一文的全部代碼，包括鏈家模擬登錄代碼。
github地址：
https://github.com/lanbing510...
9. scrapy_jingdong – 京東爬蟲。基于scrapy的京東網站爬蟲，保存格式為csv。
github地址：
https://github.com/taizilongx...
10. QQ-Groups-Spider – QQ 群爬蟲。批量抓取 QQ 群信息，包括群名稱、群號、群人數、群主、群簡介等內容，最終生成 XLS(X) / CSV 結果文件。
github地址：
https://github.com/caspartse/...
11. wooyun_public - 烏云爬蟲。烏云公開漏洞、知識庫爬蟲和搜索。全部公開漏洞的列表和每個漏洞的文本內容存在MongoDB中，大概約2G內容；如果整站爬全部文本和圖片作為離線查詢，大概需要10G空間、2小時（10M電信帶寬）；爬取全部知識庫，總共約500M空間。漏洞搜索使用了Flask作為web server，bootstrap作為前端。
https://github.com/hanc00l/wo...
12. spider – hao123網站爬蟲。以hao123為入口頁面，滾動爬取外鏈，收集網址，并記錄網址上的內鏈和外鏈數目，記錄title等信息，windows7 32位上測試，目前每24個小時，可收集數據為10萬左右
https://github.com/simapple/s...
13. findtrip – 機票爬蟲（去哪兒和攜程網）。Findtrip是一個基于Scrapy的機票爬蟲，目前整合了國內兩大機票網站（去哪兒 + 攜程）。
https://github.com/fankcoder/...
14. 163spider基于requests、MySQLdb、torndb的網易客戶端內容爬蟲
https://github.com/leyle/163s...
15. doubanspiders豆瓣電影、書籍、小組、相冊、東西等爬蟲集
https://github.com/fanpei91/d...
16. QQSpiderQQ空間爬蟲，包括日志、說說、個人信息等，一天可抓取 400 萬條數據。
https://github.com/LiuXingMin...
17. baidu-music-spider百度mp3全站爬蟲，使用redis支持斷點續傳。
https://github.com/Shu-Ji/bai...
18. tbcrawler淘寶和天貓的爬蟲,可以根據搜索關鍵詞,物品id來抓去頁面的信息，數據存儲在mongodb。
https://github.com/pakoo/tbcr...
19. stockholm一個股票數據（滬深）爬蟲和選股策略測試框架。根據選定的日期范圍抓取所有滬深兩市股票的行情數據。支持使用表達式定義選股策略。支持多線程處理。保存數據到JSON文件、CSV文件。
https://github.com/benitoro/s...
20. BaiduyunSpider - 百度云盤爬蟲。https://github.com/k1995/Baid...
21. Spider社交數據爬蟲。支持微博,知乎,豆瓣。
https://github.com/Qutan/Spider
22. proxy poolPython爬蟲代理IP池(proxy pool)。
https://github.com/jhao104/pr...
23. music-163爬取網易云音樂所有歌曲的評論。
https://github.com/RitterHou/...
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/43342.html
摘要：微信知乎新浪等主流網站的模擬登陸爬取方法摘要微信知乎新浪等主流網站的模擬登陸爬取方法。先說說很難爬的知乎，假如我們想爬取知乎主頁的內容，就必須要先登陸才能爬，不然看不到這個界面。圖片描述知乎需要手機號才能注冊登陸。 微信、知乎、新浪等主流網站的模擬登陸爬取方法摘要：微信、知乎、新浪等主流網站的模擬登陸爬取方法。 網絡上有形形色色的網站，不同類型的網站爬蟲策略不同，難易程度也不一樣。從是...
摘要：楚江數據是專業的互聯網數據技術服務，現整理出零基礎如何學爬蟲技術以供學習，。本文來源知乎作者路人甲鏈接楚江數據提供網站數據采集和爬蟲軟件定制開發服務，服務范圍涵蓋社交網絡電子商務分類信息學術研究等。 楚江數據是專業的互聯網數據技術服務，現整理出零基礎如何學爬蟲技術以供學習，http://www.chujiangdata.com。 第一：Python爬蟲學習系列教程（來源于某博主：htt...
摘要：時間永遠都過得那么快，一晃從年注冊，到現在已經過去了年那些被我藏在收藏夾吃灰的文章，已經太多了，是時候把他們整理一下了。那是因為收藏夾太亂，橡皮擦給設置私密了，不收拾不好看呀。 ...
閱讀 644·2021-09-22 10:02
閱讀 6400·2021-09-03 10:49
閱讀 571·2021-09-02 09:47
閱讀 2156·2019-08-30 15:53
閱讀 2934·2019-08-30 15:44
閱讀 906·2019-08-30 13:20
閱讀 1821·2019-08-29 16:32
閱讀 894·2019-08-29 12:46
