生活资讯
21个Python爬虫项目代码,微信、淘宝、豆瓣、知乎、微博等
2024-12-21 15:02  浏览:109

21个Python爬虫项目代码,微信、淘宝、豆瓣、知乎、微博等

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,微信不能直接打开,老规矩,可以用电脑打开。

1. WechatSogou – 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。

部分代码截图:

2. DouBanSpider – 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。

部分代码截图:

3. zhihu_spider – 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

部分代码截图:

4. bilibili-user – 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。

部分代码截图:

5. SinaSpider – 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。

部分代码截图:

6. distribute_crawler – 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。 部分代码截图:

7. CnkiSpider – 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。

部分代码截图:

8. LianJiaSpider – 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。

部分代码截图:

9. scrapy_jingdong – 京东爬虫。

基于scrapy的京东网站爬虫,保存格式为csv。 部分代码截图:

10. QQ-Groups-Spider – 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。

部分代码截图:

11. wooyun_public -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。

部分代码:

12. spider – 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

部分代码:

13. findtrip – 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)。

部分代码:

14. QQSpider – 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。

部分代码:

15. baidu-music-spider – 百度mp3全站爬虫,使用redis支持断点续传。

部分代码:

16. tbcrawler – 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。

部分代码:

17. stockholm – 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。

部分代码:

18. BaiduyunSpider - 百度云盘爬虫。

部分代码:

19. Spider - 社交数据爬虫。支持微博,知乎,豆瓣。

部分代码:

20. proxy pool - Python爬虫代理IP池(proxy pool)。

部分代码:

21. music-163 - 爬取网易云音乐所有歌曲的评论。

部分代码:

    以上就是本篇文章【21个Python爬虫项目代码,微信、淘宝、豆瓣、知乎、微博等】的全部内容了,欢迎阅览 ! 文章地址:http://mip.xhstdz.com/xwnews/646.html 
     栏目首页      相关文章      动态      同类文章      热门文章      网站地图      返回首页 物流园资讯移动站 http://mip.xhstdz.com/mobile/ , 查看更多   
最新文章
一周牛股榜丨引力波、移动支付、虚拟现实,热点集齐闹猴年
猴年首周,A股首秀不仅顶住了外围市场暴跌压力,随后一高兴还上演了三日连阳。不过,到底是有根高压线立在上头,沪指越靠近2900
Sileo,无需越狱,速度安装
Sileo 是一款越狱后的 APT 软件包管理器,Sileo 快速,美观,高效,功能强大,Sileo通常来说,需要越狱后,才能安装Sileo。就像
OSFP+VLAN综合实验
要求:R1-R3为区域0,R3-R4为区域1,其中R3的用户网段也在区域0,R1-R2各自有一个环回。 2. R1-R3   
Maya 2024中文版安装教程(附下载)
Maya 2024_64位中文版:【点我下载】安装前须知:1.安装须全程断网;2.解压和安装前先关闭360、电脑管家等所有杀毒软件,防止误
OpenChatKit:强大的聊天机器人项目(很好的chatGPT开源平替)
原文链接:GitHub - togethercomputer/OpenChatKit OpenChatKit是一个由前OpenAI研究员共同打造的开源聊天机器人平台。它
fridayai智能写作app v1.1
fridayai智能写作app非常的优秀,随着智能技术的不断发展,fridayai智能写作app应运而生。这款智能化的文章生成工具将为你的写作
Docker初级学习指南
跟着B站狂神学习的笔记,若有不足请多担待!!!1.卸载旧版去查官网吧Docker是一个Client-Server结构的
Candy改进版:自适应一键划词搜索/一键输入搜索
君子生非异也,善假于物也!本文就是一个极好的例子:万年书妖用AHK开发了超级小工具Candy,而网友Xu Sylve又进行改进,以满足个
1200多套微信小程序源码-史上最全的不同行业的源码集合
史上最全小微信小程序分类,需要的自行下载:o2o行业 | - 盒马鲜生 | - 轻客洗衣 互联网行业 | - 云文档 | - 仿ofo
10个最难回答的Java面试题(1)
既然选择这个行业,选择了做一个程序员,也就明白只有不断学习,积累实战经验才有资格往上走,拿高薪&#
相关文章

loading