py3爬虫项目

Github repo地址：py_spider
欢迎各路大神在issues里面提供ideas，欢迎fork & star

1、运行环境

• Windows or Linux
• Python3.5.2(Python 3.x.x)

2、内置库汇总

• urllib
• re,os,time
• json

3、第三方库汇总

• bs4(BeautifulSoup)
• requests
• selenium
• jieba
• wordcloud
• matplotlib
• scipy
• snownlp
• xlwt
• xlrd
• [updating…]

4、爬虫说明

• computer_books.py：豆瓣”世界著名计算机教材节选”爬虫
• Eason_Film.py：豆瓣”Eason电影”爬虫
• emojiCrawler.py：emoji官网爬虫，按官网分类爬取所有不同版本的emoji.png图片（eg:Apple,Samsung.Google etc.)
• wiki_6DegreeSeperation.py：wiki爬虫，广度优先遍历，为证明“六度分割理论”，暂时只能尝试，并非完全证明
• music163_EasonLyrics：网易云Eason所有歌词爬虫 + 文本分析，详见EasonLyrics_README
• getCity.py：基于谷歌地图API简单爬虫，通过经纬度查询该地点所属城市
• music163_EasonComments：网易云Eason所有单曲评论数排行、最新10条评论抓取 & 热门评论文本分析,详见EasonComments_README
• music163_autoSignIn.py：网易云音乐网页端，每天定时自动签到（windows）
• [updating…]

5、留坑

• 多线程/进程（解决爬虫太慢）
• Python编程技巧
• [updating…]