关注菜鸟窝官网免费领取200套开源项目，运营微信号：yrioyou
刚从github上搜来19个常用的Python爬虫，技多不压身，觉得好用就收藏。
1.微信公众号爬虫
github.com/Chyroc/Wech…
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。
2.豆瓣读书爬虫
github.com/lanbing510/…
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。
3.知乎爬虫
GitHub：github.com/LiuRoy/zhih…
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
4.Bilibili用户爬虫
GitHub：github.com/airingursb/…
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。
5.新浪微博爬虫
GitHub：github.com/LiuXingMing…
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。
6.小说下载分布式爬虫
github.com/gnemoug/dis…
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。
7.中国知网爬虫
github.com/yanzhou/Cnk…
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。
8.链家网爬虫
github.com/lanbing510/…
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。
9.京东爬虫
github.com/taizilongxu…
基于scrapy的京东网站爬虫，保存格式为csv。
10.QQ 群爬虫
github.com/caspartse/Q…
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。
11.乌云爬虫
github.com/hanc00l/woo…
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。
12.hao123网站爬虫
github.com/buckyrobert…
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。
13.机票爬虫（去哪儿和携程网）
github.com/fankcoder/f…
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）。
14.基于requests、MySQLdb、torndb的网易客户端内容爬虫
15.豆瓣电影、书籍、小组、相册、东西等爬虫集
16.QQ空间爬虫
github.com/LiuXingMing…
包括日志、说说、个人信息等，一天可抓取 400 万条数据。
17.百度mp3全站爬虫，使用redis支持断点续传。
18.淘宝和天猫的爬虫
github.com/pakoo/tbcra…
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。
19.一个股票数据（沪深）爬虫和选股策略测试框架
github.com/benitoro/st…
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。
如果你还想用Python写一个自己的电商网站，可以学习《仿京东购物商城》了解课程详情点击此处
网友评论