爬虫实战项目集合这些项目都很好的练手项目有其他好的项目请留言评论区谢谢https://github.com/Chyroc/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。DouBanSpiderhttps://github.com/lanbing510/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。zhihu_spiderhttps://github.com/LiuRoy/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mongobilibili-userhttps://github.com/airingursb/bilibili-userBilibili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。SinaSpiderhttps://github.com/LiuXingMing/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。distribute_crawlerhttps://github.com/gnemoug/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。CnkiSpiderhttps://github.com/yanzhou/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。LianJiaSpiderhttps://github.com/lanbing510/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。scrapyjingdonghttps://github.com/taizilongxu/scrapyjingdong京东爬虫。基于scrapy的京东网站爬虫保存格式为csv。QQ-Groups-Spiderhttps://github.com/caspartse/QQ-Groups-SpiderQQ 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。wooyunpublichttps://github.com/hanc00l/wooyunpublic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 serverbootstrap作为前端。findtriphttps://github.com/fankcoder/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。163spiderhttps://github.com/leyle/163spider基于requests、MySQLdb、torndb的网易客户端内容爬虫doubanspidershttps://github.com/fanpei91/doubanspiders豆瓣电影、书籍、小组、相册、东西等爬虫集QQSpiderttps://github.com/LiuXingMing/QQSpiderQQ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。baidu-music-spiderhttps://github.com/Shu-Ji/baidu-music-spider百度mp3全站爬虫使用redis支持断点续传。tbcrawlerhttps://github.com/pakoo/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。stockholmhttps://github.com/benitoro/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。BaiduyunSpiderhttps://github.com/k1995/BaiduyunSpider百度云盘爬虫。Spiderhttps://github.com/Qutan/Spider社交数据爬虫。支持微博,知乎,豆瓣。proxy poolhttps://github.com/jhao104/proxy_poolpython爬虫代理IP池(proxy pool)。music-163https://github.com/RitterHou/music-163爬取网易云音乐所有歌曲的评论。jandan_spiderhttps://github.com/kulovecc/jandan_spider爬取煎蛋妹纸图片。CnblogsSpiderhttps://github.com/jackgitgz/CnblogsSpidercnblogs列表页爬虫。spider_smoochttps://github.com/qiyeboy/spider_smooc爬取慕课网视频。CnkiSpiderhttps://github.com/yanzhou/CnkiSpider中国知网爬虫。knowsecSpider2https://github.com/littlethunder/knowsecSpider2知道创宇爬虫题目。aiss-spiderhttps://github.com/x-spiders/aiss-spider爱丝APP图片爬虫以及免支付破解VIP看图。SinaSpiderhttps://github.com/szcf-weiya/SinaSpider动态IP解决新浪的反爬虫机制快速抓取内容。csdn-spiderhttps://github.com/Kevinsss/csdn-spider爬取CSDN上的博客文章。ProxySpiderhttps://github.com/changetjut/ProxySpider爬取西刺上的代理IP并验证代理可用性