python爬虫文件代码大全-23个Python爬虫开源项目代码

python爬虫文件代码大全-23个Python爬虫开源项目代码今天为大家整理了23个Python爬虫项目。整理的原因是,爬虫入门简单快速,也非常适合新入门的小伙伴培养信心。所有链接指向GitHub,祝大家玩的愉快1、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。2、DouBanSpider[2]–豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有…

大家好,又见面了,我是你们的朋友全栈君。

今天为大家整理了23个Python爬虫项目。整理的原因是,爬虫入门简单快速,也非常适合新入门的小伙伴培养信心。所有链接指向GitHub,祝大家玩的愉快

1、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。

2、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。

3、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

4、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。

5、SinaSpider [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。

6、distribute_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。

7、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。

8、LianJiaSpider [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。

9、scrapy_jingdong [9]– 京东爬虫。

基于scrapy的京东网站爬虫,保存格式为csv。

10、QQ-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。

11、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。

12、spider[12]– hao123网站爬虫。

以hao123为入口页面,滚动爬取外链,收集网址,并记录网址上的内链和外链数目,记录title等信息,windows7 32位上测试,目前每24个小时,可收集数据为10万左右

13、findtrip [13]– 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)。

14、163spider [14] – 基于requests、MySQLdb、torndb的网易客户端内容爬虫

15、doubanspiders[15]– 豆瓣电影、书籍、小组、相册、东西等爬虫集

16、QQSpider [16]– 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。

17、baidu-music-spider [17]– 百度mp3全站爬虫,使用redis支持断点续传。

18、tbcrawler[18]– 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。

stockholm [19]– 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19、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。

20、BaiduyunSpider[20]-百度云盘爬虫。

21、Spider[21]-社交数据爬虫。支持微博,知乎,豆瓣。

22、proxy pool[22]-Python爬虫代理IP池(proxy pool)。

23、music-163[23]-爬取网易云音乐所有歌曲的评论。

来源:全球人工智能

作者:SFLYQ

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/145918.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 如何完成一张机房3d效果图

    如何完成一张机房3d效果图制作机房3D效果图作者:西安曼笛文化传播有限公司     赵希希 随着信息技术的不断发展,网络的更新,平安城市的规划,大量数据中心的建设,机房监控软件也慢慢的推进,机房效果图也有很大的改进。 从cad到简易的效果图在到成熟的3d效果图.如下图1;图2;图3所示:图1图2图3现在的机房效果图不光体现整体的图形,材质,还有会体现很多细节:

  • yum 安装卸载mysql_yum 安装卸载mysql

    yum 安装卸载mysql_yum 安装卸载mysqllinux下使用yum安装mysql1、安装查看有没有安装过:yumlistinstalledmysql*rpm-qa|grepmysql*查看有没有安装包:yumlistmysql*安装mysql客户端:yuminstallmysql安装mysql服务器端:yuminstallmysql-serveryuminstallmysql-develwww.2cto.co…

  • 用thinkphp开启伪静态,用wamp开启很快搞定;但是用phpstudy总是开启失败,为什么?…

    用thinkphp开启伪静态,用wamp开启很快搞定;但是用phpstudy总是开启失败,为什么?…

    2021年10月15日
  • 记忆化搜索算法

    记忆化搜索算法概述记忆化搜索算法事实上是一种对递归算法的优化因为在递归算法中有很多重复计算,导致了非常离谱的时间和空间复杂度所以我们采用记住计算结果的方式,能很大程度上减少复杂度例题1AcWing901.滑雪例题2AcWing2067.走方格…

  • ACM 各大OJ平台以及题目分类[通俗易懂]

    ACM 各大OJ平台以及题目分类[通俗易懂]本文章转自:http://blog.csdn.net/liujiuxiaoshitou/article/details/7  OJ是OnlineJudge系统的简称,用来在线检测程序源代码的正确性。著名的OJ有RQNOJ、URAL等。国内著名的题库有北京大学题库、浙江大学题库等。国外的题库包括乌拉尔大学、瓦拉杜利德大学题库等。简介:  OnlineJudge系统(简

  • vue的安装和使用_vue-element

    vue的安装和使用_vue-element前言Vue(读音/vjuː/,类似于view)是一套用于构建前后端分离的框架。刚开始是由国内优秀选手尤雨溪开发出来的,目前是全球“最”流行的前端框架。使用vue开发网页很简单,并且技术生态环境完善

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号