文末有干货“Python高校”，马上关注
真爱，请置顶或星标
来源：Python数据科学
今天为大家整理了23个Python爬虫项目。整理的原因是，爬虫入门简单快速，也非常适合新入门的小伙伴培养信心，所有链接指向GitHub，微信不能直接打开，老规矩，可以用电脑打开。
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：
/Chyroc/WechatSogou
2. 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：
/lanbing510/DouBanSpider
3. 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：
/LiuRoy/zhihu_spider
4. bilibili-user – Bilibili用户爬虫
总数据数：9918，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：
/airingursb/bilibili-user
5. 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：
/LiuXingMing/SinaSpider
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。
github地址：
/gnemoug/distribute_crawler
7. 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：
/yanzhou/CnkiSpider
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。
github地址：
/lanbing510/LianJiaSpider
9. 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：
/taizilongxu/scrapy_jingdong
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。
github地址：
/caspartse/QQ-Groups-Spider
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。
/hanc00l/wooyun_public
12. 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
/simapple/spider
13. 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）。
/fankcoder/findtrip
14. 163spider – 基于requests、MySQLdb、torndb的网易客户端内容爬虫
/leyle/163spider
15. doubanspiders – 豆瓣电影、书籍、小组、相册、东西等爬虫集
/fanpei91/doubanspiders
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。
/LiuXingMing/QQSpider
17. baidu-music-spider – 百度mp3全站爬虫，使用redis支持断点续传。
/Shu-Ji/baidu-music-spider
18. 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。
/pakoo/tbcrawler
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。
/benitoro/stockholm
20. BaiduyunSpider - 百度云盘爬虫。
/k1995/BaiduyunSpider
21. Spider - 社交数据爬虫。支持微博,知乎,豆瓣。
/Qutan/Spider
22. proxy pool - Python爬虫代理IP池(proxy pool)。
/jhao104/proxy_pool
23. music-163 - 爬取网易云音乐所有歌曲的评论。
/RitterHou/music-163
推荐：开源库Python 开发者必知的 11 个 Python GUI 库10款 Web开发最佳的 Python 框架推荐 GitHub 上100天学习 Python的开源项目Python绘图还在用Matplotlib？out了 ！发现一款手绘可视化神器！Facebook 开源的 Python 预测工具，用起来太方便了电子书我总结的82页《Python之路V1.1.pdf》，都是干货520 页机器学习笔记！图文并茂可能更适合你，文末附下载方法541页的《利用Python进行数据分析》（附电子书和源码下载）下载 | 《Python数据科学速查表中文版》一款百度网盘不限速500Kb下载神器面试我用 Python 爬了天猫内衣店的数据Python爬完数据后，我终于买车不用坐引擎盖哭啦1年工作经验，拿下今日头条 Python 开发面经分享！Python 面试中 8 个必考问题面试 4 个月，最终入职微软！10 家公司 Python 面试题总结面试了9家公司，拿到5份Offer面试Python怕? 你想要的315道题都在这了如何拿到半数面试公司Offer——我的Python求职之路学习路线基于TensorFlow 2.0的中文深度学习开源书来了！GitHub趋势日榜第一，斩获2K+星微软官方上线了Python 教程，7个章节就把Python说通了最全 14 张思维导图：教你构建 Python 编程的核心知识体系Python 从入门到精通：一个月就够了！24招加速你的Python，超级实用！即学即用的 30 段 Python 非常实用的代码Python的 5 种高级用法，效率提升没毛病！花了三个月终于把所有的Python库全部整理了！可以说很全面了工具最靠谱的Pycharm 汉化安装+ 破解详细教程！Python数据分析、挖掘常用工具Python 最强 IDE 详细使用指南！一款 Python 自动抢票神器，收藏起来回家不愁！实践和数据分析Python 开发植物大战僵尸游戏用 Python 来找合适的妹子一键分析你上网行为，看你是在认真工作还是摸鱼Python给照片换底色，基于opencv模块10个经典的小技巧：快速用 Python 进行数据分析使用 Python 进行微信好友分析爬虫我给曾经暗恋的初中女同学，用Python实现了她飞机上刷抖音为了能早点买房，我用 Python 预测房价走势！被女朋友三番五次拉黑后，我用 Python 写了个“舔狗”必备神器谁偷偷删了你的微信？别慌！Python 揪出来为了给女友挑合适的内衣，我用 Python 爬了天猫内衣店的数据Python爬完数据后，我终于买车不用坐引擎盖哭啦算法机器学习必学10大算法哈工大硕士生用Python实现了11种数据降维算法，代码已开源！Github标星3w+，热榜第一，如何用Python实现所有算法Python算法：如何解决回文索引问题Python算法：如何解决楼梯台阶问题看完本文有收获？请转发分享给更多人
