爬虫项目是什么？20个精心总结爬虫项目
爬虫项目是什么？20个精心总结爬虫项目1、【WechatSogou】- weixin公众号爬虫。基于weixin搜索的weixin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。注意：因为名称涉及太多互联网电商平台的大佬，所以企业关键字小编用拼写代替需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码
写在前面你想成为Python爬虫的高手么？你想爬取你想要的高质量数据么？
那么你得需要进行爬虫项目的演练，那样你才有可能在Python爬虫的道路上走的更远
小编在这里精心总结了20个爬虫项目的演练，是目前爬虫高手一直专注的领域。
小编将为大家提供这些项目的源码供大家参考练习！！致敬奋斗的你！！
需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码
需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码
需要项目源码的小伙伴关注、转发文章，私信小编“007”即可获取这些项目的源码
项目名称及介绍注意：因为名称涉及太多互联网电商平台的大佬，所以企业关键字小编用拼写代替
1、【WechatSogou】- weixin公众号爬虫。基于weixin搜索的weixin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。
2、【DouBanSpider】- douban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。
3、【zhihu_spider】- zhihu爬虫。此项目的功能是爬取zhihu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
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13站用户数据报告。
5、【SinaSpider】- xinlang微博爬虫。主要爬取xinlang微博用户的个人信息、微博信息、粉丝和关注。代码获取xinlang微博Cookie进行登录，可通过多账号登录来防止xinlang的反扒。主要使用 scrapy 爬虫框架。
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。
7、【CnkiSpider】- 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。
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。
9、【scrapy_jingdong】-jingdong爬虫。基于scrapy的京东网站爬虫，保存格式为csv。
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。
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。
12、【QunarSpider】- 去哪儿网爬虫。 网络爬虫之Selenium使用代理登陆：爬取去哪儿网站，使用selenium模拟浏览器登陆，获取翻页操作。代理可以存入一个文件，程序读取并使用。支持多进程抓取。
13、【findtrip】- 机票爬虫（qunaer xiecheng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（qunaer xiecheng网）。
14、【163spider】 - 基于requests、MySQLdb、torndb的网易客户端内容爬虫
15、【doubanspiders】- douban电影、书籍、小组、相册、东西等爬虫集
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。
17、【baidu-music-spider】- baidu_mp3全站爬虫，使用redis支持断点续传。
18、【tbcrawler】- taobao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。
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。
20、【BaiduyunSpider】-baiduyun盘爬虫。
特别提醒：大家也不要随随便便多线程爬取网页数据，因为会造成服务器的崩溃。还有虽然爬虫这个技术无罪，但是劝告大家不要用于商业用途、以及侵犯个人隐私，做项目练练手可以，别被关进小黑屋了，切记！！
写在最后小伙伴们，看了这篇文章还有为了没有爬虫项目练手而慌张么？获取项目源码看图片下方的获取方式哦~希望小编的文章能够帮助到学爬虫的你。
最后，致敬正在奋斗的你们！！！！
