23个Python爬虫开源项目代码，包含微信、淘宝、豆瓣、知乎、微博等

时间 2019-11-07

标签 python 爬虫开源项目代码包含微信淘宝豆瓣微博栏目 Python 繁體版

原文原文链接

今天为你们整理了23个Python爬虫项目。整理的缘由是，爬虫入门简单快速，也很是适合新入门的小伙伴培养信心，全部连接指向GitHub，微信不能直接打开，老规矩，能够用电脑打开。前端

关注公众号「Python专栏」，后台回复：爬虫书籍，获取2本Python爬虫相关电子书。git

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，能够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。github

github地址：web

https://github.com/Chyroc/Wec...redis

2. DouBanSpider – 豆瓣读书爬虫

能够爬下豆瓣读书标签下的全部图书，按评分排名依次存储，存储到Excel中，可方便你们筛选搜罗，好比筛选评价人数>1000的高分书籍；可依据不一样的主题存储到Excel不一样的Sheet ，采用User Agent假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。mongodb

github地址：bootstrap

https://github.com/lanbing510...windows

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浏览器

github地址：微信

https://github.com/LiuRoy/zhi...

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。抓取以后生成B站用户数据报告。

github地址：

https://github.com/airingursb...

5. SinaSpider – 新浪微博爬虫

主要爬取新浪微博用户的我的信息、微博信息、粉丝和关注。代码获取新浪微博Cookie进行登陆，可经过多帐号登陆来防止新浪的反扒。主要使用 scrapy 爬虫框架。

github地址：

https://github.com/LiuXingMin...

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。

github地址：

https://github.com/gnemoug/di...

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，每一个数据文件的第一行为字段名称。

github地址：

https://github.com/yanzhou/Cn...

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所有代码，包括链家模拟登陆代码。

github地址：

https://github.com/lanbing510...

9. scrapy_jingdong – 京东爬虫。

基于scrapy的京东网站爬虫，保存格式为csv。

github地址：

https://github.com/taizilongx...

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。

github地址：

https://github.com/caspartse/...

11. wooyun_public - 乌云爬虫。

乌云公开漏洞、知识库爬虫和搜索。所有公开漏洞的列表和每一个漏洞的文本内容存在MongoDB中，大概约2G内容；若是整站爬所有文本和图片做为离线查询，大概须要10G空间、2小时（10M电信带宽）；爬取所有知识库，总共约500M空间。漏洞搜索使用了Flask做为web server，bootstrap做为前端。

https://github.com/hanc00l/wo...