Python开源学习资料

                                      Python爬虫实例项目

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。https://github.com/chyroc/WechatSogou.git..

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。git仓库地址：https://github.com/lanbing510/DouBanSpider.git

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。地址：https://github.com/LiuRoy/zhihu_spider.git

4.ilibili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。地址：https://github.com/airingursb/bilibili-user.git

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。地址：https://github.com/LiuXingMing/SinaSpider.git

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。地址：https://github.com/gnemoug/distribute_crawler

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。地址：https://github.com/gnemoug/distribute_crawler

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。地址：https://github.com/taizilongxu/scrapy_jingdong

9.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。地址：https://github.com/caspartse/QQ-Groups-Spider

10.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。地址：https://github.com/hanc00l/wooyun_public

11.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）。地址：https://github.com/fankcoder/findtrip

12.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。地址：https://github.com/LiuXingMing/QQSpider

13.百度mp3全站爬虫，使用redis支持断点续传。地址：https://github.com/Shu-Ji/baidu-music-spider

14.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。地址：https://github.com/pakoo/tbcrawler

15.一个股票数据（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。地址：https://github.com/benitoro/stockholm

16.百度云盘爬虫。地址：https://github.com/k1995/BaiduyunSpider
————————————————
版权声明：本文为CSDN博主「小小程序员hh」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_37529302/article/details/105540025