在github中最好用的19个Python爬虫推荐,建议收藏!

avatar
作者
猴君
阅读量:0

刚从github上搜来19个常用的Python爬虫,技多不压身,觉得好用就收藏。

1.微信公众号爬虫

GitHub:https://github.com/Chyroc/WechatSogou

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.豆瓣读书爬虫

GitHub:https://github.com/lanbing510/DouBanSpider

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.知乎爬虫

GitHub:https://github.com/LiuRoy/zhihu_spider

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用户爬虫

GitHub:https://github.com/airingursb/bilibili-user

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.新浪微博爬虫

GitHub:https://github.com/LiuXingMing/SinaSpider

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.小说下载分布式爬虫

GitHub:https://github.com/gnemoug/distribute_crawler

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. 中国知网爬虫

GitHub:https://github.com/yanzhou/CnkiSpider

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.链家网爬虫

GitHub:https://github.com/lanbing510/LianJiaSpider

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。

9.京东爬虫

GitHub:https://github.com/taizilongxu/scrapy_jingdong

基于scrapy的京东网站爬虫,保存格式为csv。

10.QQ 群爬虫

GitHub:https://github.com/caspartse/QQ-Groups-Spider

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.乌云爬虫

GitHub:https://github.com/hanc00l/wooyun_public

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.hao123网站爬虫

GitHub:https://github.com/buckyroberts/Spider

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.机票爬虫(去哪儿和携程网)

GitHub:https://github.com/fankcoder/findtrip

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.基于requests、MySQLdb、torndb的网易客户端内容爬虫

GitHub:https://github.com/leyle/163spider

15.豆瓣电影、书籍、小组、相册、东西等爬虫集

GitHub:https://github.com/fanpei91/doubanspiders

16.QQ空间爬虫

GitHub:https://github.com/LiuXingMing/QQSpider

包括日志、说说、个人信息等,一天可抓取 400 万条数据。

17.百度mp3全站爬虫,使用redis支持断点续传。

GitHub:https://github.com/Shu-Ji/baidu-music-spider

18.淘宝和天猫的爬虫

GitHub:https://github.com/pakoo/tbcrawler

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。

19.一个股票数据(沪深)爬虫和选股策略测试框架

GitHub:https://github.com/benitoro/stockholm

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。

我这里准备了详细的Python资料,除了为你提供一条清晰的学习路径,我甄选了最实用的学习资源以及庞大的实例库。短时间的学习,你就能够很好地掌握爬虫这个技能,获取你想得到的数据。

01 专为0基础设置,小白也能轻松学会

我们把Python的所有知识点,都穿插在了漫画里面。

在Python小课中,你可以通过漫画的方式学到知识点,难懂的专业知识瞬间变得有趣易懂。

在这里插入图片描述
在这里插入图片描述
你就像漫画的主人公一样,穿越在剧情中,通关过坎,不知不觉完成知识的学习。

02 无需自己下载安装包,提供详细安装教程

在这里插入图片描述

03 规划详细学习路线,提供学习视频

在这里插入图片描述
在这里插入图片描述

04 提供实战资料,更好巩固知识

在这里插入图片描述

05 提供面试资料以及副业资料,便于更好就业

在这里插入图片描述
在这里插入图片描述
这份完整版的Python全套学习资料已经上传CSDN,朋友们如果需要也可以扫描下方csdn官方二维码或者点击主页和文章下方的微信卡片获取领取方式,【保证100%免费】

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!