ZCC的专栏

每天坚持看书和写作,相信每天的一小步,将会是人生的一大步! 形成、知化、流动、屏读、使用、共享、过滤、重混、互动、追踪、提问、开始!...

Python爬虫项目

  WechatSogou [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。


  DouBanSpider [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。


  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mongo


  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。


  distribute_crawler [5]– 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。


  CnkiSpider [6]– 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。


  scrapy_jingdong [7]– 京东爬虫。基于scrapy的京东网站爬虫,保存格式为csv。


  wooyun_public[8]-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。


  163spider [9] – 基于requests、MySQLdb、torndb的网易客户端内容爬虫


  doubanspiders[10]– 豆瓣电影、书籍、小组、相册、东西等爬虫集


  QQSpider [11]– 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。


  baidu-music-spider [12]– 百度mp3全站爬虫,使用redis支持断点续传。


  Spider[13]-社交数据爬虫。支持微博,知乎,豆瓣。


  music-163[14]-爬取网易云音乐所有歌曲的评论。


  CnblogsSpider[15]-cnblogs列表页爬虫。


  knowsecSpider2[16]-知道创宇爬虫题目。


  aiss-spider[17]-爱丝APP图片爬虫。


  csdn-spider[18]-爬取CSDN上的博客文章。


  ProxySpider[19]-爬取西刺上的代理IP,并验证代理可用性

阅读更多
文章标签: python 爬虫
个人分类: python爬虫
想对作者说点什么? 我来说一句

七月在线Python爬虫项目

2017年09月02日 12KB 下载

python爬虫项目

2017年10月29日 18KB 下载

Python爬虫视频百度云

2018年03月08日 64B 下载

没有更多推荐了,返回首页

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭