寫在前面
學習Python爬蟲的小伙伴想成為爬蟲行業(yè)的大牛么？
你想在網(wǎng)頁上爬取你想要的數(shù)據(jù)不費吹灰之力么？
那么親愛的小伙伴們肯定需要項目實戰(zhàn)去磨練自己的技術(shù)，畢竟沒有誰能隨隨便便成功！
小編前段時間精心總結(jié)出了32個實用的爬蟲項目，是目前主流爬蟲的方向！
小編將為大家提供這些項目的源碼供大家參考練習??！致敬奮斗的你??！
需要爬蟲項目的小伙伴關(guān)注、轉(zhuǎn)發(fā)文章，私信小編“學習”即可獲取這些項目的源碼
爬蟲項目名稱及簡介
一些項目名稱涉及企業(yè)名詞，小編用拼寫代替
1、【W(wǎng)echatSogou】- weixin公眾號爬蟲?；趙eixin公眾號爬蟲接口，可以擴展成其他搜索引擎的爬蟲，返回結(jié)果是列表，每一項是公眾號具體信息字典。
2、【DouBanSpider】- douban讀書爬蟲。可以爬下豆瓣讀書所有圖書，按評分排名依次存儲，存儲到Excel中，比如篩選評價人數(shù)>1000的高分段書籍；可依據(jù)不同的類別存儲到Excel不同的分類 ，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。
3、【zhihu_spider】- zhihu爬蟲。爬取zhihu用戶信息以及人際關(guān)系，爬蟲框架使用scrapy，爬取的數(shù)據(jù)存儲使用mongo
4、【bilibili-user】- Bilibili用戶爬蟲。抓取用戶id，昵稱，性別，頭像，等級，經(jīng)驗值，粉絲數(shù)，生日，地址，注冊時間，簽名，等級與經(jīng)驗值等。抓取之后生成13站用戶數(shù)據(jù)Excel表格。
5、【SinaSpider】- xinlang微博爬蟲。爬取xinlang微博用戶的個人信息、微博信息、粉絲和關(guān)注。代碼獲取xinlang微博Cookie進行登錄，可通過多賬號登錄來防止xinlang的反扒。主要使用 scrapy 爬蟲框架。
6、【knowsecSpider2】-知道創(chuàng)宇爬蟲項目。
7、【aiss-spider】-愛絲APP圖片爬蟲。
8、【SinaSpider】-動態(tài)IP解決新浪的反爬蟲機制，快速抓取內(nèi)容。
9、【csdn-spider】-爬取CSDN上的博客文章。
10、【ProxySpider】-爬取西刺上的代理IP，并驗證代理可用性
11、【QQSpider】- qq空間爬蟲，包括日志、說說、個人信息等，一天可抓取 500 萬條數(shù)據(jù)。
12、【baidu-music-spider】- baidu_mp3全站爬蟲，使用redis支持斷點續(xù)傳。
13、【tbcrawler】- taobao的爬蟲,可以根據(jù)搜索關(guān)鍵詞,物品id來抓去頁面的信息，數(shù)據(jù)存儲在mongodb。
14、【stockholm】- 股票（滬深）爬蟲和選股策略測試框架。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。
15、【BaiduyunSpider】-baiduyun盤爬蟲。
16、【wooyun_public】-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(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（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。
17、【QunarSpider】-qu哪兒wang爬蟲。 網(wǎng)絡爬蟲之Selenium使用代理登陸：爬取去哪兒網(wǎng)，使用selenium模擬瀏覽器登陸，獲取翻頁操作。代理可以存入一個文件，程序讀取并使用。支持多進程抓取。
18、【findtrip】- 飛機票爬蟲（qunaer+xiecheng網(wǎng)）。Findtrip是一個基于Scrapy的機票爬蟲，目前整合了國內(nèi)兩大機票網(wǎng)站（qunaer+xiecheng網(wǎng)）。
19、【163spider】 - 基于requests、MySQLdb、torndb的網(wǎng)易客戶端內(nèi)容爬蟲
20、【doubanspiders】- douban電影、書籍、小組、相冊、東西等爬蟲集
21、【distribute_crawler】- 小說下載分布式爬蟲。使用scrapy,Redis, MongoDB,graphite實現(xiàn)的一個分布式網(wǎng)絡爬蟲,底層存儲mongodb集群,分布式使用redis實現(xiàn),爬蟲狀態(tài)顯示使用graphite實現(xiàn)，主要針對一個小說站點。
22、【CnkiSpider】- zhi-wang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)存儲在/data目錄下，每個數(shù)據(jù)文件的第一行為字段名稱。
23、【LianJiaSpider】- 鏈家網(wǎng)爬蟲。爬取beijing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。
24、【scrapy_jingdong】-jingdong爬蟲?；趕crapy的jingdong網(wǎng)站爬蟲，保存格式為csv。
25、【QQ-Groups-Spider】- qq 群爬蟲。批量抓取 qq 群信息，包括群名稱、群號、群人數(shù)、群主、群簡介等內(nèi)容，最終生成 XLS(X) / CSV 結(jié)果文件
26、【Spider】-社交數(shù)據(jù)爬蟲。支持weibo,zhiohu,豆瓣。
27、【proxy pool】-Python爬蟲代理IP池(proxy pool)。
28、【music-163】-爬取wang-yi云音樂所有歌曲的評論。
29、【jandan_spider】-爬取煎蛋妹紙圖片。
30、【CnblogsSpider】-cnblogs列表頁爬蟲。
31、【spider_smooc】-爬取mu-ke網(wǎng)視頻。
32、【CnkiSpider】-Chinese知網(wǎng)爬蟲
特別提醒：小伙伴在用上述項目練手的時候，需要限制爬取速率，不要動不動就使用多線程爬取網(wǎng)頁數(shù)據(jù)。上述網(wǎng)站都是大家日常生活中常用的網(wǎng)站，不要為了自己的個人練手而導致服務器的停擺，謹記謹記！
寫在最后
各位小伙伴看了小編匯總的項目列表，你還在為了Python爬蟲發(fā)huang？
哈哈~~??！需要爬蟲項目的小伙伴關(guān)注、轉(zhuǎn)發(fā)文章，私信小編“學習”即可獲取這些項目的源碼
加油吧！少年！
未來是你們的?。?！
