摘要：今天为大家整理了个爬虫项目。地址新浪微博爬虫主要爬取新浪微博用户的个人信息微博信息粉丝和关注。代码获取新浪微博进行登录，可通过多账号登录来防止新浪的反扒。涵盖链家爬虫一文的全部代码，包括链家模拟登录代码。支持微博知乎豆瓣。
今天为大家整理了23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，微信不能直接打开，老规矩，可以用电脑打开。
关注公众号「Python专栏」，后台回复：爬虫书籍，获取2本Python爬虫相关电子书。
1. WechatSogou – 微信公众号爬虫基于搜狗微信搜索的微信公众号爬虫接口，可以扩展成基于搜狗搜索的爬虫，返回结果是列表，每一项均是公众号具体信息字典。
github地址：
https://github.com/Chyroc/Wec...
2. DouBanSpider – 豆瓣读书爬虫可以爬下豆瓣读书标签下的所有图书，按评分排名依次存储，存储到Excel中，可方便大家筛选搜罗，比如筛选评价人数>1000的高分书籍；可依据不同的主题存储到Excel不同的Sheet ，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。
github地址：
https://github.com/lanbing510...
3. zhihu_spider – 知乎爬虫此项目的功能是爬取知乎用户信息以及人际拓扑关系，爬虫框架使用scrapy，数据存储使用mongo
github地址：
https://github.com/LiuRoy/zhi...
4. bilibili-user – Bilibili用户爬虫总数据数：20119918，抓取字段：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B站用户数据报告。
github地址：
https://github.com/airingursb...
5. SinaSpider – 新浪微博爬虫主要爬取新浪微博用户的个人信息、微博信息、粉丝和关注。代码获取新浪微博Cookie进行登录，可通过多账号登录来防止新浪的反扒。主要使用 scrapy 爬虫框架。
github地址：
https://github.com/LiuXingMin...
6. 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。
github地址：
https://github.com/gnemoug/di...
7. 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。
github地址：
https://github.com/yanzhou/Cn...
8. 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。
github地址：
https://github.com/lanbing510...
9. scrapy_jingdong – 京东爬虫。基于scrapy的京东网站爬虫，保存格式为csv。
github地址：
https://github.com/taizilongx...
10. 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。
github地址：
https://github.com/caspartse/...
11. 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/wo...
12. 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/s...
13. 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/...
14. 163spider基于requests、MySQLdb、torndb的网易客户端内容爬虫
https://github.com/leyle/163s...
15. doubanspiders豆瓣电影、书籍、小组、相册、东西等爬虫集
https://github.com/fanpei91/d...
16. QQSpiderQQ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/LiuXingMin...
17. baidu-music-spider百度mp3全站爬虫，使用redis支持断点续传。
https://github.com/Shu-Ji/bai...
18. 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/tbcr...
19. 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/s...
20. BaiduyunSpider - 百度云盘爬虫。https://github.com/k1995/Baid...
21. Spider社交数据爬虫。支持微博,知乎,豆瓣。
https://github.com/Qutan/Spider
22. proxy poolPython爬虫代理IP池(proxy pool)。
https://github.com/jhao104/pr...
23. music-163爬取网易云音乐所有歌曲的评论。
https://github.com/RitterHou/...
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/43342.html
摘要：微信知乎新浪等主流网站的模拟登陆爬取方法摘要微信知乎新浪等主流网站的模拟登陆爬取方法。先说说很难爬的知乎，假如我们想爬取知乎主页的内容，就必须要先登陆才能爬，不然看不到这个界面。图片描述知乎需要手机号才能注册登陆。 微信、知乎、新浪等主流网站的模拟登陆爬取方法摘要：微信、知乎、新浪等主流网站的模拟登陆爬取方法。 网络上有形形色色的网站，不同类型的网站爬虫策略不同，难易程度也不一样。从是...
摘要：楚江数据是专业的互联网数据技术服务，现整理出零基础如何学爬虫技术以供学习，。本文来源知乎作者路人甲链接楚江数据提供网站数据采集和爬虫软件定制开发服务，服务范围涵盖社交网络电子商务分类信息学术研究等。 楚江数据是专业的互联网数据技术服务，现整理出零基础如何学爬虫技术以供学习，http://www.chujiangdata.com。 第一：Python爬虫学习系列教程（来源于某博主：htt...
摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...
阅读 634·2021-09-22 10:02
阅读 6322·2021-09-03 10:49
阅读 564·2021-09-02 09:47
阅读 2150·2019-08-30 15:53
阅读 2928·2019-08-30 15:44
阅读 899·2019-08-30 13:20
阅读 1811·2019-08-29 16:32
阅读 887·2019-08-29 12:46
