19個Python爬蟲專案讓你一次吃到撐

夢想IT程式設計師發表於2021-11-16

image

爬蟲入門簡單快速,也非常適合新入門的小夥伴培養信心。

DouBanSpider[2]– 豆瓣讀書爬蟲。可以爬下豆瓣讀書標籤下的所有圖書,按評分排名依次儲存,儲存到Excel中,可方便大家篩選蒐羅,比如篩選評價人數>1000的高分書籍;可依據不同的主題儲存到Excel不同的Sheet ,採用User Agent偽裝為瀏覽器進行爬取,並加入隨機延時來更好的模仿瀏覽器行為,避免爬蟲被封。

zhihu_spider[3]– 知乎爬蟲。此專案的功能是爬取知乎使用者資訊以及人際拓撲關係,爬蟲框架使用scrapy,資料儲存使用mongo

bilibili-user[4]– Bilibili使用者爬蟲。總資料數:20119918,抓取欄位:使用者id,暱稱,性別,頭像,等級,經驗值,粉絲數,生日,地址,註冊時間,簽名,等級與經驗值等。抓取之後生成B站使用者資料包告。

distribute_crawler[5]– 小說下載分散式爬蟲。使用scrapy,Redis, MongoDB,graphite實現的一個分散式網路爬蟲,底層儲存MongoDB叢集,分散式使用Redis實現,爬蟲狀態顯示使用graphite實現,主要針對一個小說站點。

CnkiSpider[6]– 中國知網爬蟲。設定檢索條件後,執行src/CnkiSpider.py抓取資料,抓取資料儲存在/data目錄下,每個資料檔案的第一行為欄位名稱。

scrapy_jingdong[7]– 京東爬蟲。基於scrapy的京東網站爬蟲,儲存格式為csv。

wooyun_public[8]-烏雲爬蟲。 烏雲公開漏洞、知識庫爬蟲和搜尋。全部公開漏洞的列表和每個漏洞的文字內容存在MongoDB中,大概約2G內容;如果整站爬全部文字和圖片作為離線查詢,大概需要10G空間、2小時(10M電信頻寬);爬取全部知識庫,總共約500M空間。漏洞搜尋使用了Flask作為web server,bootstrap作為前端。

163spider[9] – 基於requests、MySQLdb、torndb的網易客戶端內容爬蟲

doubanspiders[10]– 豆瓣電影、書籍、小組、相簿、東西等爬蟲集

QQSpider[11]– QQ空間爬蟲,包括日誌、說說、個人資訊等,一天可抓取 400 萬條資料。

baidu-music-spider[12]– 百度mp3全站爬蟲,使用redis支援斷點續傳。

Spider[13]-社交資料爬蟲。支援微博,知乎,豆瓣。

music-163[14]-爬取網易雲音樂所有歌曲的評論。

CnblogsSpider[15]-cnblogs列表頁爬蟲。

knowsecSpider2[16]-知道創宇爬蟲題目。

aiss-spider[17]-愛絲APP圖片爬蟲。

csdn-spider[18]-爬取CSDN上的部落格文章。

ProxySpider[19]-爬取西刺上的代理IP,並驗證代理可用性

相關文章