Python網路爬蟲實戰專案程式碼大全（長期更新，歡迎補充）

WechatSogou [1]- 微信公眾號爬蟲。基於搜狗微信搜尋的微信公眾號爬蟲介面，可以擴充套件成基於搜狗搜尋的爬蟲，返回結果是列表，每一項均是公眾號具體資訊字典。

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。

SinaSpider [5]- 新浪微博爬蟲。主要爬取新浪微博使用者的個人資訊、微博資訊、粉絲和關注。程式碼獲取新浪微博Cookie進行登入，可通過多賬號登入來防止新浪的反扒。主要使用 scrapy 爬蟲框架。

distribute_crawler [6]- 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 [7]- 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。

LianJiaSpider [8]- 鏈家網爬蟲。爬取北京地區鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲一文的全部程式碼，包括鏈家模擬登入程式碼。

scrapy_jingdong [9]- 京東爬蟲。基於scrapy的京東網站爬蟲，儲存格式為csv。

QQ-Groups-Spider [10]- QQ 群爬蟲。批量抓取 QQ 群資訊，包括群名稱、群號、群人數、群主、群簡介等內容，最終生成 XLS(X) / CSV 結果檔案。

wooyun_public [11]-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。

2016.9.11補充：

QunarSpider [12]- 去哪兒網爬蟲。 網路爬蟲之Selenium使用代理登陸：爬取去哪兒網站，使用selenium模擬瀏覽器登陸，獲取翻頁操作。代理可以存入一個檔案，程式讀取並使用。支援多程式抓取。

findtrip [13]- 機票爬蟲（去哪兒和攜程網）。Findtrip是一個基於Scrapy的機票爬蟲，目前整合了國內兩大機票網站（去哪兒 + 攜程）。

163spider [14] - 基於requests、MySQLdb、torndb的網易客戶端內容爬蟲

doubanspiders [15]- 豆瓣電影、書籍、小組、相簿、東西等爬蟲集

QQSpider [16]- 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 [17]- 百度mp3全站爬蟲，使用redis支援斷點續傳。

tbcrawler [18]- 淘寶和天貓的爬蟲,可以根據搜尋關鍵詞,物品id來抓去頁面的資訊，資料儲存在mongodb。

stockholm [19]- 一個股票資料（滬深）爬蟲和選股策略測試框架。根據選定的日期範圍抓取所有滬深兩市股票的行情資料。支援使用表示式定義選股策略。支援多執行緒處理。儲存資料到JSON檔案、CSV檔案。

BaiduyunSpider[20]-百度雲盤爬蟲。 

[1]: GitHub - Chyroc/WechatSogou: 基於搜狗微信搜尋的微信公眾號爬蟲介面
[2]: GitHub - lanbing510/DouBanSpider: 豆瓣讀書的爬蟲
[3]: GitHub - LiuRoy/zhihu_spider: 知乎爬蟲
[4]: GitHub - airingursb/bilibili-user: Bilibili使用者爬蟲
[5]: GitHub - LiuXingMing/SinaSpider: 新浪微博爬蟲（Scrapy、Redis）
[6]: GitHub - gnemoug/distribute_crawler: 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
[7]: GitHub - yanzhou/CnkiSpider: 中國知網爬蟲

[8]: GitHub - lanbing510/LianJiaSpider: 鏈家爬蟲

[9]: GitHub - taizilongxu/scrapy_jingdong: 用scrapy寫的京東爬蟲

[10]: GitHub - caspartse/QQ-Groups-Spider: QQ Groups Spider（QQ 群爬蟲）

[11]: GitHub - hanc00l/wooyun_public: 烏雲公開漏洞、知識庫爬蟲和搜尋 crawl and search for wooyun.org public bug(vulnerability) and drops

[12]: GitHub - lining0806/QunarSpider: 網路爬蟲之Selenium使用代理登陸：爬取去哪兒網站

[13]: GitHub - fankcoder/findtrip: 機票爬蟲（去哪兒和攜程網）。flight tickets multiple webspider.(scrapy + selenium + phantomjs + mongodb)

[14]: GitHub - leyle/163spider: 爬取網易客戶端內容的小爬蟲。

[15]: GitHub - dontcontactme/doubanspiders: 豆瓣電影、書籍、小組、相簿、東西等爬蟲集 writen in Python

[16]: GitHub - LiuXingMing/QQSpider: QQ空間爬蟲（日誌、說說、個人資訊）

[17]: GitHub - Shu-Ji/baidu-music-spider: 百度mp3全站爬蟲

[18]: GitHub - pakoo/tbcrawler: 淘寶天貓 商品 爬蟲

[19]: GitHub - benitoro/stockholm: 一個股票資料（滬深）爬蟲和選股策略測試框架

[20]:GitHub - k1995/BaiduyunSpider: 愛百應，百度雲網盤搜尋引擎，爬蟲+網站

--------------------------

本專案收錄各種Python網路爬蟲實戰開原始碼，並長期更新，歡迎補充。

更多Python乾貨歡迎關注：

微信公眾號：Python中文社群
Python初級技術交流QQ群：152745094
Python高階技術交流QQ群：273186166
Python網路爬蟲組QQ群：206241755
PythonWeb開發組QQ群：577672548
Python量化交易策略組QQ群：264204289
Python資料分析挖掘組QQ群：539956362
Python自然語言處理組QQ群：570364809 

-------------------------- 

Python學習資源下載：

Python學習思維腦圖大全彙總打包 （密碼請關注微信公眾號“Python中文社群”後回覆“思維”二字獲取）