内容简介：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。关注公众号「
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。
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。
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。
github地址：
https://github.com/Chyroc/Wec...
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。
github地址：
https://github.com/lanbing510...
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
github地址：
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。抓取之后生成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。
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全部代码，包括链家模拟登录代码。
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。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。
https://github.com/hanc00l/wo...
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
https://github.com/simapple/s...
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）。
https://github.com/fankcoder/...
14. 163spider
基于requests、MySQLdb、torndb的网易客户端内容爬虫
https://github.com/leyle/163s...
15. doubanspiders
豆瓣电影、书籍、小组、相册、东西等爬虫集
https://github.com/fanpei91/d...
16. 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。
https://github.com/LiuXingMin...
17. baidu-music-spider
百度mp3全站爬虫，使用redis支持断点续传。
https://github.com/Shu-Ji/bai...
18. 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。
https://github.com/pakoo/tbcr...
19. 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。
https://github.com/benitoro/s...
20. BaiduyunSpider - 百度云盘爬虫。
https://github.com/k1995/Baid...
21. Spider
社交数据爬虫。支持微博,知乎,豆瓣。
https://github.com/Qutan/Spider
22. proxy pool
Python爬虫代理IP池(proxy pool)。
https://github.com/jhao104/pr...
23. music-163
爬取网易云音乐所有歌曲的评论。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 编写豆瓣相册下载器（python爬虫）
- 如何 5 分钟零代码实现豆瓣小组爬虫
- Python爬虫实战之豆瓣音乐、微打赏、阳光电影（附代码）
- Python 爬虫实战（1）：分析豆瓣中最新电影的影评
- 这个用Python写的开源爬虫网站 让你秒搜所有豆瓣好书
- python豆瓣多线程爬虫加IP代理（免费的一般是不稳定）
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
数据驱动设计
[美]罗谢尔·肯（RochelleKing）、[美]伊丽莎白F.邱吉尔（Elizabeth F Churchill）、Caitlin Tan / 傅婕 / 机械工业出版社 / 2018-8 / 69.00元
本书旨在帮你了解数据引导设计的基本原则，了解数据与设计流程整合的价值，避免常见的陷阱与误区。本书重点关注定量实验与A/B测试，因为我们发现，数据分析与设计实践在此鲜有交集，但相对的潜在价值与机会缺大。本书提供了一些关于在组织中开展数据实践的观点。通过阅读这本书，你将转变你的团队的工作方式，从数据中获得大收益。后希望你可以在衡量指标的选择、佳展示方式与展示时机、测试以及设计意图增强方面，自信地表达自......一起来看看 《数据驱动设计》 这本书的介绍吧!
