原标题:Python 网络爬虫实战项目代码大全
DouBanSpider 豆瓣读书的爬虫。你可以爬豆瓣读书下面标签下的所有图书,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https://github.com/lanbing510/DouBanSpiderWechatSogou 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
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mongohttps://github.com/LiuRoy/zhihu_spider
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。https://github.com/airingursb/bilibili-userSinaSpider [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。https://github.com/LiuXingMing/SinaSpiderdistribute_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。https://github.com/gnemoug/distribute_crawler
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。https://github.com/yanzhou/CnkiSpiderLianJiaSpider [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。https://github.com/lanbing510/LianJiaSpiderscrapy_jingdong [9]- 京东爬虫。基于scrapy的京东网站爬虫,保存格式为csv。https://github.com/taizilongxu/scrapy_jingdongQQ-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。https://github.com/caspartse/QQ-Groups-Spider
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。
关注募才微信号"mucaipin”,回复"Java”"HTML5”"Hadoop”"C++”"Android”"20170509”"20170511” 等即可获得
1.Android项目源码;
2.Java、iOS、Hadoop、.net、PHP资料;
3.C++、Web、Python、Linux资料;
4.Web前端、淘宝商城视频及源码、Unity3d、人工智能资料;
5.破解MyEclipse10下载链接;
6.最新spark/hadoop/hbase/hive/kafka/redies大数据视频教程 。返回搜狐,查看更多
责任编辑: