23个Python爬虫开源项目代码
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,祝大家玩的愉快
1、WechatSogou [1]– 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/WechatSogou
2、DouBanSpider [2]– 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/DouBanSpider
3、zhihu_spider [3]– 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/zhihu_spider
4、bilibili-user [4]– 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/bilibili-user
5、SinaSpider [5]– 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/LiuXingMing/SinaSpider
6、distribute_crawler [6]– 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/distribute_crawler
7、CnkiSpider [7]– 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/CnkiSpider
8、LianJiaSpider [8]– 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/LianJiaSpider
9、scrapy_jingdong [9]– 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/taizilongxu/scrapy_jingdong
10、QQ-Groups-Spider [10]– 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/QQ-Groups-Spider
11、wooyun_public[11]-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
12、spider[12]– 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
13、findtrip [13]– 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
14、163spider [14] – 基于requests、MySQLdb、torndb的网易客户端内容爬虫
https://github.com/leyle/163spider
15、doubanspiders[15]– 豆瓣电影、书籍、小组、相册、东西等爬虫集
https://github.com/fanpei91/doubanspiders
16、QQSpider [16]– 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
17、baidu-music-spider [17]– 百度mp3全站爬虫,使用redis支持断点续传。
https://github.com/Shu-Ji/baidu-music-spider
18、tbcrawler[18]– 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 [19]– 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19、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
20、BaiduyunSpider[20]-百度云盘爬虫。
https://github.com/k1995/BaiduyunSpider
21、Spider[21]-社交数据爬虫。支持微博,知乎,豆瓣。
https://github.com/Qutan/Spider
22、proxy pool[22]-Python爬虫代理IP池(proxy pool)。
https://github.com/jhao104/proxy_pool
23、music-163[23]-爬取网易云音乐所有歌曲的评论。
https://github.com/RitterHou/music-163
来源:全球人工智能
作者:SFLYQ
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
[译]RabbitMQ教程C#版 - 主题
先决条件 本教程假定RabbitMQ已经安装,并运行在localhost标准端口(5672)。如果你使用不同的主机、端口或证书,则需要调整连接设置。 从哪里获得帮助 如果您在阅读本教程时遇到困难,可以通过邮件列表 联系我们。 主题 (使用.NET客户端) 在 教程[4] 中,我们改进了我们日志系统。我们用direct交换器替换了只能呆滞广播消息的fanout交换器,从而可以有选择性的接收日志。 虽然使用direct交换器改进了我们的系统,但它仍然有局限性 - 不能基于多个标准进行路由。 在我们的日志系统中,我们可能不仅要根据日志的严重性订阅日志,可能还要根据日志分发源来订阅日志。或许您可能从 unix syslog 工具中了解过这种概念,syslog 工具在路由日志的时候是可以既基于严重性(info/warn/crit...)又基于设备(auth/cron/kern...)的。 这种机制会给我们带来极大的灵活性 - 我们可以仅监听来自cron的关键错误日志,与此同时,监听来自kern的所有日志。 要在我们的日志系统中实现这一特性,我们需要学习更复杂的topic交换器。 Topic交换器...
- 下一篇
关于wordpress 502的问题
Segmentation fault无法从环境的配置或者PHP程序下手去解决,它的根源在二进制程序上,也就是PHP解释器或者它的模块。 有些PHP程序比较容易出现Segmentation fault,但是这不能把责任定在PHP程序上,说PHP程序有问题。 不管是LNMP还是LNAMP,如果出现Segmentation fault,处理PHP的进程(apache或者php-fpm)会直接挂掉,然后Nginx直接返回一个502错误,会在apache或者php-fpm的日志中记录下Segmentation fault错误,如果在日志中确定了是这个错误,最简单的解决办法就是更换一下系统,CentOS比较容易出现这个错误,可以尝试下debian或者ubuntu。 PHP程序出现Segmentation fault需要几个条件组成在一起,比如这次502的问题想重现的话,centos 6.x 64bit系统+最新的WP安装程序+PHP5.2,其他的组合有可能出现,也用可能不出现。 另外的一些经验: 1)我遇到的PHP的Segmentation fault错误都是出现在CentOS系统。 2)安装DA...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8编译安装MySQL8.0.19
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2整合Redis,开启缓存,提高访问速度
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Hadoop3单机部署,实现最简伪集群
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果