python常用代码大全-Python 网络爬虫实战项目代码大全

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：