WechatSogou [1]– 微信公眾號爬蟲。?
基于搜狗微信搜索的微信公眾號爬蟲接口，可以擴展成基于搜狗搜索的爬蟲，返回結果是列表，每一項均是公眾號具體信息字典。?
github地址：?
https://github.com/Chyroc/WechatSogou

DouBanSpider [2]– 豆瓣讀書爬蟲。?
可以爬下豆瓣讀書標簽下的所有圖書，按評分排名依次存儲，存儲到Excel中，可方便大家篩選搜羅，比如篩選評價人數>1000的高分書籍；可依據不同的主題存儲到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進行爬取，并加入隨機延時來更好的模仿瀏覽器行為，避免爬蟲被封。?
github地址：?
https://github.com/lanbing510/DouBanSpider

zhihu_spider [3]– 知乎爬蟲。?
此項目的功能是爬取知乎用戶信息以及人際拓撲關系，爬蟲框架使用scrapy，數據存儲使用mongo?
github地址：?
https://github.com/LiuRoy/zhihu_spider

bilibili-user [4]– Bilibili用戶爬蟲。?
總數據數：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級，經驗值，粉絲數，生日，地址，注冊時間，簽名，等級與經驗值等。抓取之后生成B站用戶數據報告。?
github地址：?
https://github.com/airingursb/bilibili-user

SinaSpider [5]– 新浪微博爬蟲。?
主要爬取新浪微博用戶的個人信息、微博信息、粉絲和關注。代碼獲取新浪微博Cookie進行登錄，可通過多賬號登錄來防止新浪的反扒。主要使用 scrapy 爬蟲框架。?
github地址：?
https://github.com/LiuXingMing/SinaSpider

distribute_crawler [6]– 小說下載分布式爬蟲。?
使用scrapy,Redis, MongoDB,graphite實現的一個分布式網絡爬蟲,底層存儲MongoDB集群,分布式使用Redis實現,爬蟲狀態顯示使用graphite實現，主要針對一個小說站點。?
github地址：?
https://github.com/gnemoug/distribute_crawler

CnkiSpider [7]– 中國知網爬蟲。?
設置檢索條件后，執行src/CnkiSpider.py抓取數據，抓取數據存儲在/data目錄下，每個數據文件的第一行為字段名稱。?
github地址：?
https://github.com/yanzhou/CnkiSpider

LianJiaSpider [8]– 鏈家網爬蟲。?
爬取北京地區鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲一文的全部代碼，包括鏈家模擬登錄代碼。?
github地址：?
https://github.com/lanbing510/LianJiaSpider

scrapy_jingdong [9]– 京東爬蟲。?
基于scrapy的京東網站爬蟲，保存格式為csv。?
github地址：?
https://github.com/taizilongxu/scrapy_jingdong

QQ-Groups-Spider [10]– QQ 群爬蟲。?
批量抓取 QQ 群信息，包括群名稱、群號、群人數、群主、群簡介等內容，最終生成 XLS(X) / CSV 結果文件。?
github地址：https://github.com/caspartse/QQ-Groups-Spider

wooyun_public[11]-烏云爬蟲。?
烏云公開漏洞、知識庫爬蟲和搜索。全部公開漏洞的列表和每個漏洞的文本內容存在MongoDB中，大概約2G內容；如果整站爬全部文本和圖片作為離線查詢，大概需要10G空間、2小時（10M電信帶寬）；爬取全部知識庫，總共約500M空間。漏洞搜索使用了Flask作為web server，bootstrap作為前端。?
https://github.com/hanc00l/wooyun_public

spider[12]– hao123網站爬蟲。?
以hao123為入口頁面，滾動爬取外鏈，收集網址，并記錄網址上的內鏈和外鏈數目，記錄title等信息，windows7 32位上測試，目前每24個小時，可收集數據為10萬左右?
https://github.com/simapple/spider?
findtrip [13]– 機票爬蟲（去哪兒和攜程網）。?
Findtrip是一個基于Scrapy的機票爬蟲，目前整合了國內兩大機票網站（去哪兒 + 攜程）。?
https://github.com/fankcoder/findtrip

163spider [14] – 基于requests、MySQLdb、torndb的網易客戶端內容爬蟲?
https://github.com/leyle/163spider

doubanspiders[15]– 豆瓣電影、書籍、小組、相冊、東西等爬蟲集?
https://github.com/fanpei91/doubanspiders

QQSpider [16]– QQ空間爬蟲，包括日志、說說、個人信息等，一天可抓取 400 萬條數據。?
https://github.com/LiuXingMing/QQSpider

baidu-music-spider [17]– 百度mp3全站爬蟲，使用redis支持斷點續傳。?
https://github.com/Shu-Ji/baidu-music-spider

tbcrawler[18]– 淘寶和天貓的爬蟲,可以根據搜索關鍵詞,物品id來抓去頁面的信息，數據存儲在mongodb。?
https://github.com/pakoo/tbcrawler

stockholm [19]– 一個股票數據（滬深）爬蟲和選股策略測試框架。根據選定的日期范圍抓取所有滬深兩市股票的行情數據。支持使用表達式定義選股策略。支持多線程處理。保存數據到JSON文件、CSV文件。?
https://github.com/benitoro/stockholm

BaiduyunSpider[20]-百度云盤爬蟲。?
https://github.com/k1995/BaiduyunSpider

Spider[21]-社交數據爬蟲。支持微博,知乎,豆瓣。?
https://github.com/Qutan/Spider

proxy pool[22]-Python爬蟲代理IP池(proxy pool)。?
https://github.com/jhao104/proxy_pool

music-163[23]-爬取網易云音樂所有歌曲的評論。?
https://github.com/RitterHou/music-163

轉載：http://www.sohu.com/a/166385794_804770

轉載于:https://www.cnblogs.com/derek1184405959/articles/9384051.html

總結

以上是生活随笔為你收集整理的python爬虫必会的23个项目的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。