今天為大家整理了23個Python爬蟲專案。整理的原因是，爬蟲入門簡單快速，也非常適合新入門的小夥伴培養信心。所有連結指向GitHub，祝大家玩的愉快

1、WechatSogou [1]– 微信公眾號爬蟲。

基於搜狗微信搜尋的微信公眾號爬蟲介面，可以擴充套件成基於搜狗搜尋的爬蟲，返回結果是列表，每一項均是公眾號具體資訊字典。

github地址：https://github.com/Chyroc/WechatSogou

2、DouBanSpider [2]– 豆瓣讀書爬蟲。

可以爬下豆瓣讀書標籤下的所有圖書，按評分排名依次儲存，儲存到Excel中，可方便大家篩選蒐羅，比如篩選評價人數>1000的高分書籍；可依據不同的主題儲存到Excel不同的Sheet ，採用User Agent偽裝為瀏覽器進行爬取，並加入隨機延時來更好的模仿瀏覽器行為，避免爬蟲被封。

github地址：

https://github.com/lanbing510/DouBanSpider

3、zhihu_spider [3]– 知乎爬蟲。

此專案的功能是爬取知乎使用者資訊以及人際拓撲關係，爬蟲框架使用scrapy，資料儲存使用mongo

github地址：https://github.com/LiuRoy/zhihu_spider

4、bilibili-user [4]– Bilibili使用者爬蟲。

總資料數：20119918，抓取欄位：使用者id，暱稱，性別，頭像，等級，經驗值，粉絲數，生日，地址，註冊時間，簽名，等級與經驗值等。抓取之後生成B站使用者資料報告。

github地址：https://github.com/airingursb/bilibili-user

5、SinaSpider [5]– 新浪微博爬蟲。

主要爬取新浪微博使用者的個人資訊、微博資訊、粉絲和關注。程式碼獲取新浪微博Cookie進行登入，可通過多賬號登入來防止新浪的反扒。主要使用 scrapy 爬蟲框架。

github地址：https://github.com/LiuXingMing/SinaSpider

6、distribute_crawler [6]– 小說下載分散式爬蟲。

使用scrapy,Redis, MongoDB,graphite實現的一個分散式網路爬蟲,底層儲存MongoDB叢集,分散式使用Redis實現,爬蟲狀態顯示使用graphite實現，主要針對一個小說站點。

github地址：

https://github.com/gnemoug/distribute_crawler

7、CnkiSpider [7]– 中國知網爬蟲。

設定檢索條件後，執行src/CnkiSpider.py抓取資料，抓取資料儲存在/data目錄下，每個資料檔案的第一行為欄位名稱。

github地址：https://github.com/yanzhou/CnkiSpider

8、LianJiaSpider [8]– 鏈家網爬蟲。

爬取北京地區鏈家歷年二手房成交記錄。涵蓋鏈家爬蟲一文的全部程式碼，包括鏈家模擬登入程式碼。

github地址：https://github.com/lanbing510/LianJiaSpider

9、scrapy_jingdong [9]– 京東爬蟲。

基於scrapy的京東網站爬蟲，儲存格式為csv。

github地址：https://github.com/taizilongxu/scrapy_jingdong

10、QQ-Groups-Spider [10]– QQ 群爬蟲。

批量抓取 QQ 群資訊，包括群名稱、群號、群人數、群主、群簡介等內容，最終生成 XLS(X) / CSV 結果檔案。

github地址：https://github.com/caspartse/QQ-Groups-Spider

11、wooyun_public[11]-烏雲爬蟲。

烏雲公開漏洞、知識庫爬蟲和搜尋。全部公開漏洞的列表和每個漏洞的文字內容存在MongoDB中，大概約2G內容；如果整站爬全部文字和圖片作為離線查詢，大概需要10G空間、2小時（10M電信頻寬）；爬取全部知識庫，總共約500M空間。漏洞搜尋使用了Flask作為web server，bootstrap作為前端。

https://github.com/hanc00l/wooyun_public

12、spider[12]– hao123網站爬蟲。

以hao123為入口頁面，滾動爬取外鏈，收集網址，並記錄網址上的內鏈和外鏈數目，記錄title等資訊，windows7 32位上測試，目前每24個小時，可收集資料為10萬左右

https://github.com/simapple/spider

13、findtrip [13]– 機票爬蟲（去哪兒和攜程網）。

Findtrip是一個基於Scrapy的機票爬蟲，目前整合了國內兩大機票網站（去哪兒 + 攜程）。

https://github.com/fankcoder/findtrip

14、163spider [14] – 基於requests、MySQLdb、torndb的網易客戶端內容爬蟲

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

15、doubanspiders[15]– 豆瓣電影、書籍、小組、相簿、東西等爬蟲集

https://github.com/fanpei91/doubanspiders

16、QQSpider [16]– QQ空間爬蟲，包括日誌、說說、個人資訊等，一天可抓取 400 萬條資料。

https://github.com/LiuXingMing/QQSpider

17、baidu-music-spider [17]– 百度mp3全站爬蟲，使用redis支援斷點續傳。

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

18、tbcrawler[18]– 淘寶和天貓的爬蟲,可以根據搜尋關鍵詞,物品id來抓去頁面的資訊，資料儲存在mongodb。

https://github.com/pakoo/tbcrawler

stockholm [19]– 一個股票資料（滬深）爬蟲和選股策略測試框架。根據選定的日期範圍抓19、取所有滬深兩市股票的行情資料。支援使用表示式定義選股策略。支援多執行緒處理。儲存資料到JSON檔案、CSV檔案。

https://github.com/benitoro/stockholm

20、BaiduyunSpider[20]-百度雲盤爬蟲。

https://github.com/k1995/BaiduyunSpider

21、Spider[21]-社交資料爬蟲。支援微博,知乎,豆瓣。

https://github.com/Qutan/Spider

22、proxy pool[22]-Python爬蟲代理IP池(proxy pool)。

https://github.com/jhao104/proxy_pool

23、music-163[23]-爬取網易雲音樂所有歌曲的評論。

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