WechatSogou[1]-微信公眾號(hào)爬蟲?；谒压?a target="_blank" rel="nofollow">微信搜索的微信公眾號(hào)爬蟲接口，可以擴(kuò)展成基于搜狗搜索的爬蟲，返回結(jié)果是列表，每一項(xiàng)均是公眾號(hào)具體信息字典。
DouBanSpider[2]- 豆瓣讀書爬蟲。可以爬下豆瓣讀書標(biāo)簽下的所有圖書，按評(píng)分排名依次存儲(chǔ)，存儲(chǔ)到Excel中，可方便大家篩選搜羅，比如篩選評(píng)價(jià)人數(shù)>1000的高分書籍；可依據(jù)不同的主題存儲(chǔ)到Excel不同的Sheet ，采用User Agent偽裝為瀏覽器進(jìn)行爬取，并加入隨機(jī)延時(shí)來更好的模仿瀏覽器行為，避免爬蟲被封。
zhihu_spider[3]- 知乎爬蟲。此項(xiàng)目的功能是爬取知乎用戶信息以及人際拓?fù)潢P(guān)系，爬蟲框架使用scrapy，數(shù)據(jù)存儲(chǔ)使用mongo
bilibili-user[4]- Bilibili用戶爬蟲?？倲?shù)據(jù)數(shù)：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級(jí)，經(jīng)驗(yàn)值，粉絲數(shù)，生日，地址，注冊(cè)時(shí)間，簽名，等級(jí)與經(jīng)驗(yàn)值等。抓取之后生成B站用戶數(shù)據(jù)報(bào)告。
SinaSpider[5]- 新浪微博爬蟲。主要爬取新浪微博用戶的個(gè)人信息、微博信息、粉絲和關(guān)注。代碼獲取新浪微博Cookie進(jìn)行登錄，可通過多賬號(hào)登錄來防止新浪的反扒。主要使用 scrapy 爬蟲框架。
distribute_crawler[6]- 小說下載分布式爬蟲。使用scrapy,Redis,MongoDB,graphite實(shí)現(xiàn)的一個(gè)分布式網(wǎng)絡(luò)爬蟲,底層存儲(chǔ)MongoDB集群,分布式使用Redis實(shí)現(xiàn),爬蟲狀態(tài)顯示使用graphite實(shí)現(xiàn)，主要針對(duì)一個(gè)小說站點(diǎn)。
CnkiSpider[7]- 中國(guó)知網(wǎng)爬蟲。設(shè)置檢索條件后，執(zhí)行src/CnkiSpider.py抓取數(shù)據(jù)，抓取數(shù)據(jù)存儲(chǔ)在/data目錄下，每個(gè)數(shù)據(jù)文件的第一行為字段名稱。
LianJiaSpider[8]- 鏈家網(wǎng)爬蟲。爬取北京地區(qū)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。
scrapy_jingdong[9]- 京東爬蟲?；趕crapy的京東網(wǎng)站爬蟲，保存格式為csv。
QQ-Groups-Spider[10]- QQ 群爬蟲。批量抓取 QQ 群信息，包括群名稱、群號(hào)、群人數(shù)、群主、群簡(jiǎn)介等內(nèi)容，最終生成 XLS(X) / CSV 結(jié)果文件。
wooyun_public[11]-烏云爬蟲。 烏云公開漏洞、知識(shí)庫(kù)爬蟲和搜索。全部公開漏洞的列表和每個(gè)漏洞的文本內(nèi)容存在mongodb中，大概約2G內(nèi)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(shí)（10M電信帶寬）；爬取全部知識(shí)庫(kù)，總共約500M空間。漏洞搜索使用了Flask作為web server，bootstrap作為前端。
spider[12]-hao123網(wǎng)站爬蟲。以hao123為入口頁(yè)面，滾動(dòng)爬取外鏈，收集網(wǎng)址，并記錄網(wǎng)址上的內(nèi)鏈和外鏈數(shù)目，記錄title等信息，windows7 32位上測(cè)試，目前每24個(gè)小時(shí)，可收集數(shù)據(jù)為10萬左右
findtrip[13]- 機(jī)票爬蟲（去哪兒和攜程網(wǎng)）。Findtrip是一個(gè)基于Scrapy的機(jī)票爬蟲，目前整合了國(guó)內(nèi)兩大機(jī)票網(wǎng)站（去哪兒 + 攜程）。
163spider[14] - 基于requests、MySQLdb、torndb的網(wǎng)易客戶端內(nèi)容爬蟲
doubanspiders[15]- 豆瓣電影、書籍、小組、相冊(cè)、東西等爬蟲集
QQSpider[16]- QQ空間爬蟲，包括日志、說說、個(gè)人信息等，一天可抓取 400 萬條數(shù)據(jù)。
baidu-music-spider[17]- 百度mp3全站爬蟲，使用redis支持?jǐn)帱c(diǎn)續(xù)傳。
tbcrawler[18]- 淘寶和天貓的爬蟲,可以根據(jù)搜索關(guān)鍵詞,物品id來抓去頁(yè)面的信息，數(shù)據(jù)存儲(chǔ)在mongodb。
stockholm[19]- 一個(gè)股票數(shù)據(jù)（滬深）爬蟲和選股策略測(cè)試框架。根據(jù)選定的日期范圍抓取所有滬深兩市股票的行情數(shù)據(jù)。支持使用表達(dá)式定義選股策略。支持多線程處理。保存數(shù)據(jù)到JSON文件、CSV文件。
BaiduyunSpider[20]-百度云盤爬蟲。
Spider[21]-社交數(shù)據(jù)爬蟲。支持微博,知乎,豆瓣。
proxy pool[22]-Python爬蟲代理IP池(proxy pool)。
music-163[23]-爬取網(wǎng)易云音樂所有歌曲的評(píng)論。
jandan_spider[24]-爬取煎蛋妹紙圖片。
CnblogsSpider[25]-cnblogs列表頁(yè)爬蟲。
spider_smooc[26]-爬取慕課網(wǎng)視頻。
CnkiSpider[27]-中國(guó)知網(wǎng)爬蟲。
knowsecSpider2[28]-知道創(chuàng)宇爬蟲題目。
aiss-spider[29]-愛絲APP圖片爬蟲。
SinaSpider[30]-動(dòng)態(tài)IP解決新浪的反爬蟲機(jī)制，快速抓取內(nèi)容。
csdn-spider[31]-爬取CSDN上的博客文章。
ProxySpider[32]-爬取西刺上的代理IP，并驗(yàn)證代理可用性
