python專案例項原始碼-32個Python爬蟲實戰專案,滿足你的專案慌(帶原始碼)

weixin_37988176發表於2020-10-29

學習Python爬蟲的小夥伴想成為爬蟲行業的大牛麼?

你想在網頁上爬取你想要的資料不費吹灰之力麼?

那麼親愛的小夥伴們肯定需要專案實戰去磨練自己的技術,畢竟沒有誰能隨隨便便成功!

小編前段時間精心總結出了32個實用的爬蟲專案,是目前主流爬蟲的方向!

小編將為大家提供這些專案的原始碼供大家參考練習!!致敬奮鬥的你!!

需要專案原始碼的小夥伴,私信小編"1”即可獲取這些專案的原始碼

爬蟲專案名稱及簡介

webp

一些專案名稱涉及企業名詞,小編用拼寫代替

1、【WechatSogou】- weixin公眾號爬蟲。基於weixin公眾號爬蟲介面,可以擴充套件成其他搜尋引擎的爬蟲,返回結果是列表,每一項是公眾號具體資訊字典。

2、【DouBanSpider】- douban讀書爬蟲。可以爬下豆瓣讀書所有圖書,按評分排名依次儲存,儲存到Excel中,比如篩選評價人數>1000的高分段書籍;可依據不同的類別儲存到Excel不同的分類 ,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。

3、【zhihu_spider】- zhihu爬蟲。爬取zhihu使用者資訊以及人際關係,爬蟲框架使用scrapy,爬取的資料儲存使用mongo

4、【bilibili-user】- Bilibili使用者爬蟲。抓取使用者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13站使用者資料Excel表格。

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

6、【knowsecSpider2】-知道創宇爬蟲專案。

7、【aiss-spider】-愛絲APP圖片爬蟲。

8、【SinaSpider】-動態IP解決新浪的反爬蟲機制,快速抓取內容。

9、【csdn-spider】-爬取CSDN上的部落格文章。

10、【ProxySpider】-爬取西刺上的代理IP,並驗證代理可用性

11、【QQSpider】- qq空間爬蟲,包括日誌、說說、個人資訊等,一天可抓取 500 萬條資料。

12、【baidu-music-spider】- baidu_mp3全站爬蟲,使用redis支援斷點續傳。

13、【tbcrawler】- taobao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。

14、【stockholm】- 股票(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。

15、【BaiduyunSpider】-baiduyun盤爬蟲。

16、【wooyun_public】-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。

17、【QunarSpider】-qu哪兒wang爬蟲。 網路爬蟲之Selenium使用代理登陸:爬取去哪兒網,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。

18、【findtrip】- 飛機票爬蟲(qunaer+xiecheng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(qunaer+xiecheng網)。

19、【163spider】 - 基於requests、MySQLdb、torndb的網易客戶端內容爬蟲

20、【doubanspiders】- douban電影、書籍、小組、相簿、東西等爬蟲集

21、【distribute_crawler】- 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。

22、【CnkiSpider】- zhi-wang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。

23、【LianJiaSpider】- 鏈家網爬蟲。爬取beijing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。

24、【scrapy_jingdong】-jingdong爬蟲。基於scrapy的jingdong網站爬蟲,儲存格式為csv。

25、【QQ-Groups-Spider】- 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

26、【Spider】-社交資料爬蟲。支援weibo,zhiohu,豆瓣。

27、【proxy pool】-Python爬蟲代理IP池(proxy pool)。

28、【music-163】-爬取wang-yi雲音樂所有歌曲的評論。

29、【jandan_spider】-爬取煎蛋妹紙圖片。

30、【CnblogsSpider】-cnblogs列表頁爬蟲。

31、【spider_smooc】-爬取mu-ke網視訊。

32、【CnkiSpider】-Chinese知網爬蟲

特別提醒:小夥伴在用上述專案練手的時候,需要限制爬取速率,不要動不動就使用多執行緒爬取網頁資料。上述網站都是大家日常生活中常用的網站,不要為了自己的個人練手而導致伺服器的停擺,謹記謹記!

寫在最後

webp

加油吧!少年!

未來是你們的!!!

相關文章