23个Python爬虫开源项目代码：微信、淘宝、豆瓣、知乎、微博...

             

github star gitee star

1、入门项目

1行Python代码下载图片：https://mp.weixin.qq.com/s/H9NVBxwo_po8WsqsIRJ7YQ

微博爬虫：https://mp.weixin.qq.com/s/z9ToYLZSbDxOOKgdxd2Kww

2、高级项目

  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/WechatSogou

  1. 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/DouBanSpider

  1. 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/zhihu_spider

  1. 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/bilibili-user

  1. 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/LiuXingMing/SinaSpider

  1. 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/distribute_crawler

  1. 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/CnkiSpider

  1. 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/LianJiaSpider

  1. 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/taizilongxu/scrapy_jingdong

  1. 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/QQ-Groups-Spider

  1. 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/wooyun_public

  1. 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/spider

  1. 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/findtrip

  1. 163spider – 基于requests、MySQLdb、torndb的网易客户端内容爬虫

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

  1. doubanspiders – 豆瓣电影、书籍、小组、相册、东西等爬虫集

https://github.com/fanpei91/doubanspiders

  1. 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/LiuXingMing/QQSpider

  1. baidu-music-spider – 百度mp3全站爬虫，使用redis支持断点续传。

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

  1. 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/tbcrawler

  1. 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/stockholm

  1. BaiduyunSpider - 百度云盘爬虫。

https://github.com/k1995/BaiduyunSpider

  1. Spider - 社交数据爬虫。支持微博,知乎,豆瓣。

https://github.com/Qutan/Spider

  1. proxy pool - Python爬虫代理IP池(proxy pool)。

https://github.com/jhao104/proxy_pool

  1. music-163 - 爬取网易云音乐所有歌曲的评论。

https://github.com/RitterHou/music-163

展开全文 >>

wemedia-bili-1129

直播间：https://live.bilibili.com/26539414

账号节奏：
- 前期：爆款2、3w
- 中期：系列化内容
- 后期：ip塑造

封面：简洁、标题

拍摄：正面光

内容：
- 描述要具象、三连问
- 痛点陈述
- 钩子、普遍现象
- 前后端、35岁、985：清华程序员与某某
- IP：讲解风格、语言、面貌
- 服装、道具、场景
- 10、8个

展开全文 >>

数字化转型50讲

《传统制造业如何进行数字化转型》 尹正 https://www.bilibili.com/video/BV1oT4y1U71z
- it\ct\ot:互联网、通信、运营
- iot：物理层面、数据采集、数据分析
- 汉威：先医后药、先软后硬、小步快跑

展开全文 >>

梅西进球了！用Python预测世界杯冠军竟然是 ... 网友：痛，太痛了！

今天凌晨，夺冠热门阿根廷终于赢球了，梅西也打进了自己本届世界杯的第一粒进球！你熬夜看这场比赛了吗？

小编也用Python预测了一下本届世界杯的冠军归属，结果却不是阿根廷，来一起看看吧~

预测结果

根据Python的计算结果，最后可能得到冠军的球队是巴西，其次是比利时，阿根廷排在第三。

而夺冠热门法国、英格兰和西班牙，竟然没有一个进入预测结果的前三名。

预测代码 & 数据集

需要代码和数据集的同学，可以直接评论666哟~

  • 本次预测使用的代码来自The Alan Turing Institute（英国国家数据科学和人工智能研究所）。

  • 模型的数据来自martj42，国际男子足球比赛结果。

  • 运行代码的方法是portey。

拿到代码后，直接运行Python程序员就可以看到结果。如果你会使用portey会更方便，直接进入代码目录后，运行下面的命令即可：

1
2
poetry shell
poetry install

更多Python实战项目

传送门👉100个Python实战项目

展开全文 >>

梅西进球了！用Python预测世界杯冠军竟然是 ... 网友：痛，太痛了！

             

1、代码 & 数据集

① 代码是使用基于团队级别模型的框架进行预测的。

② 该模型所用数据集为国际男子足球比赛结果。

③ 另外，我还整理了100个Python实战项目，从入门到应用，够用了！

2、交流群 & 免费课程

展开全文 >>

本站总访问量次

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

编程博主，全网粉丝30w+，开源项目：python-office，我的微信：CoderWanFeng