WechatSogou [1]– 微信公眾號(hào)爬蟲。?
基于搜狗微信搜索的微信公眾號(hào)爬蟲接口，可以擴(kuò)展成基于搜狗搜索的爬蟲，返回結(jié)果是列表，每一項(xiàng)均是公眾號(hào)具體信息字典。?
github地址：?
https://github.com/Chyroc/WechatSogou

DouBanSpider [2]– 豆瓣讀書爬蟲。?
可以爬下豆瓣讀書標(biāo)簽下的所有圖書，按評(píng)分排名依次存儲(chǔ)，存儲(chǔ)到Excel中，可方便大家篩選搜羅，比如篩選評(píng)價(jià)人數(shù)>1000的高分書籍；可依據(jù)不同的主題存儲(chǔ)到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進(jìn)行爬取，并加入隨機(jī)延時(shí)來更好的模仿瀏覽器行為，避免爬蟲被封。?
github地址：?
https://github.com/lanbing510/DouBanSpider

zhihu_spider [3]– 知乎爬蟲。?
此項(xiàng)目的功能是爬取知乎用戶信息以及人際拓?fù)潢P(guān)系，爬蟲框架使用scrapy，數(shù)據(jù)存儲(chǔ)使用mongo?
github地址：?
https://github.com/LiuRoy/zhihu_spider

bilibili-user [4]– Bilibili用戶爬蟲。?
總數(shù)據(jù)數(shù)：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級(jí)，經(jīng)驗(yàn)值，粉絲數(shù)，生日，地址，注冊(cè)時(shí)間，簽名，等級(jí)與經(jīng)驗(yàn)值等。抓取之后生成B站用戶數(shù)據(jù)報(bào)告。?
github地址：?
https://github.com/airingursb/bilibili-user

SinaSpider [5]– 新浪微博爬蟲。?
主要爬取新浪微博用戶的個(gè)人信息、微博信息、粉絲和關(guān)注。代碼獲取新浪微博Cookie進(jìn)行登錄，可通過多賬號(hào)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/LiuXingMing/SinaSpider

distribute_crawler [6]– 小說下載分布式爬蟲。?
使用scrapy,Redis, MongoDB,graphite實(shí)現(xiàn)的一個(gè)分布式網(wǎng)絡(luò)爬蟲,底層存儲(chǔ)MongoDB集群,分布式使用Redis實(shí)現(xiàn),爬蟲狀態(tài)顯示使用graphite實(shí)現(xiàn)，主要針對(duì)一個(gè)小說站點(diǎn)。?
github地址：?
https://github.com/gnemoug/distribute_crawler

CnkiSpider [7]– 中國(guó)知網(wǎng)爬蟲。?
設(shè)置檢索條件后，執(zhí)行src/CnkiSpider.py抓取數(shù)據(jù)，抓取數(shù)據(jù)存儲(chǔ)在/data目錄下，每個(gè)數(shù)據(jù)文件的第一行為字段名稱。?
github地址：?
https://github.com/yanzhou/CnkiSpider

LianJiaSpider [8]– 鏈家網(wǎng)爬蟲。?
爬取北京地區(qū)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/LianJiaSpider

scrapy_jingdong [9]– 京東爬蟲。?
基于scrapy的京東網(wǎng)站爬蟲，保存格式為csv。?
github地址：?
https://github.com/taizilongxu/scrapy_jingdong

QQ-Groups-Spider [10]– QQ 群爬蟲。?
批量抓取 QQ 群信息，包括群名稱、群號(hào)、群人數(shù)、群主、群簡(jiǎn)介等內(nèi)容，最終生成 XLS(X) / CSV 結(jié)果文件。?
github地址：https://github.com/caspartse/QQ-Groups-Spider

wooyun_public[11]-烏云爬蟲。?
烏云公開漏洞、知識(shí)庫(kù)爬蟲和搜索。全部公開漏洞的列表和每個(gè)漏洞的文本內(nèi)容存在MongoDB中，大概約2G內(nèi)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(shí)（10M電信帶寬）；爬取全部知識(shí)庫(kù)，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/wooyun_public

spider[12]– hao123網(wǎng)站爬蟲。?
以hao123為入口頁面，滾動(dòng)爬取外鏈，收集網(wǎng)址，并記錄網(wǎng)址上的內(nèi)鏈和外鏈數(shù)目，記錄title等信息，windows7 32位上測(cè)試，目前每24個(gè)小時(shí)，可收集數(shù)據(jù)為10萬左右?
https://github.com/simapple/spider?
findtrip [13]– 機(jī)票爬蟲（去哪兒和攜程網(wǎng)）。?
Findtrip是一個(gè)基于Scrapy的機(jī)票爬蟲，目前整合了國(guó)內(nèi)兩大機(jī)票網(wǎng)站（去哪兒 + 攜程）。?
https://github.com/fankcoder/findtrip

163spider [14] – 基于requests、MySQLdb、torndb的網(wǎng)易客戶端內(nèi)容爬蟲?
https://github.com/leyle/163spider

doubanspiders[15]– 豆瓣電影、書籍、小組、相冊(cè)、東西等爬蟲集?
https://github.com/fanpei91/doubanspiders

QQSpider [16]– QQ空間爬蟲，包括日志、說說、個(gè)人信息等，一天可抓取 400 萬條數(shù)據(jù)。?
https://github.com/LiuXingMing/QQSpider

baidu-music-spider [17]– 百度mp3全站爬蟲，使用redis支持?jǐn)帱c(diǎn)續(xù)傳。?
https://github.com/Shu-Ji/baidu-music-spider

tbcrawler[18]– 淘寶和天貓的爬蟲,可以根據(jù)搜索關(guān)鍵詞,物品id來抓去頁面的信息，數(shù)據(jù)存儲(chǔ)在mongodb。?
https://github.com/pakoo/tbcrawler

stockholm [19]– 一個(gè)股票數(shù)據(jù)（滬深）爬蟲和選股策略測(cè)試框架。根據(jù)選定的日期范圍抓取所有滬深兩市股票的行情數(shù)據(jù)。支持使用表達(dá)式定義選股策略。支持多線程處理。保存數(shù)據(jù)到JSON文件、CSV文件。?
https://github.com/benitoro/stockholm

BaiduyunSpider[20]-百度云盤爬蟲。?
https://github.com/k1995/BaiduyunSpider

Spider[21]-社交數(shù)據(jù)爬蟲。支持微博,知乎,豆瓣。?
https://github.com/Qutan/Spider

proxy pool[22]-Python爬蟲代理IP池(proxy pool)。?
https://github.com/jhao104/proxy_pool

music-163[23]-爬取網(wǎng)易云音樂所有歌曲的評(píng)論。?
https://github.com/RitterHou/music-163

轉(zhuǎn)載：http://www.sohu.com/a/166385794_804770

轉(zhuǎn)載于:https://www.cnblogs.com/derek1184405959/articles/9384051.html

總結(jié)

以上是生活随笔為你收集整理的python爬虫必会的23个项目的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。