關注菜鳥窩官網免費領取200套開源項目，運營微信號：yrioyou
剛從github上搜來19個常用的Python爬蟲，技多不壓身，覺得好用就收藏。
1.微信公眾號爬蟲
github.com/Chyroc/Wech…
基于搜狗微信搜索的微信公眾號爬蟲接口，可以擴展成基于搜狗搜索的爬蟲，返回結果是列表，每一項均是公眾號具體信息字典。
2.豆瓣讀書爬蟲
github.com/lanbing510/…
可以爬下豆瓣讀書標簽下的所有圖書，按評分排名依次存儲，存儲到Excel中，可方便大家篩選搜羅，比如篩選評價人數>1000的高分書籍；可依據不同的主題存儲到Excel不同的Sheet ，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.知乎爬蟲
GitHub：github.com/LiuRoy/zhih…
此項目的功能是爬取知乎用戶信息以及人際拓撲關系，爬蟲框架使用scrapy，數據存儲使用mongo
4.Bilibili用戶爬蟲
GitHub：github.com/airingursb/…
總數據數：20119918，抓取字段：用戶id，昵稱，性別，頭像，等級，經驗值，粉絲數，生日，地址，注冊時間，簽名，等級與經驗值等。抓取之后生成B站用戶數據報告。
5.新浪微博爬蟲
GitHub：github.com/LiuXingMing…
主要爬取新浪微博用戶的個人信息、微博信息、粉絲和關注。代碼獲取新浪微博Cookie進行登錄，可通過多賬號登錄來防止新浪的反扒。主要使用 scrapy 爬蟲框架。
6.小說下載分布式爬蟲
github.com/gnemoug/dis…
使用scrapy,Redis, MongoDB,graphite實現的一個分布式網絡爬蟲,底層存儲MongoDB集群,分布式使用Redis實現,爬蟲狀態顯示使用graphite實現，主要針對一個小說站點。
7.中國知網爬蟲
github.com/yanzhou/Cnk…
設置檢索條件后，執行src/CnkiSpider.py抓取數據，抓取數據存儲在/data目錄下，每個數據文件的第一行為字段名稱。
8.鏈家網爬蟲
github.com/lanbing510/…
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代碼，包括鏈家模擬登錄代碼。
9.京東爬蟲
github.com/taizilongxu…
基于scrapy的京東網站爬蟲，保存格式為csv。
10.QQ 群爬蟲
github.com/caspartse/Q…
批量抓取 QQ 群信息，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 結果文件。
11.烏云爬蟲
github.com/hanc00l/woo…
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容存在MongoDB中，大概約2G內容；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。
12.hao123網站爬蟲
github.com/buckyrobert…
以hao123為入口頁面，滾動爬取外鏈，收集網址，并記錄網址上的內鏈和外鏈數目，記錄title等信息，windows7 32位上測試，目前每24個小時，可收集數據為10萬左右。
13.機票爬蟲（去哪兒和攜程網）
github.com/fankcoder/f…
Findtrip是一個基于Scrapy的機票爬蟲，目前整合了國內兩大機票網站（去哪兒 + 攜程）。
14.基于requests、MySQLdb、torndb的網易客戶端內容爬蟲
15.豆瓣電影、書籍、小組、相冊、東西等爬蟲集
16.QQ空間爬蟲
github.com/LiuXingMing…
包括日志、說說、個人信息等，一天可抓取 400 萬條數據。
17.百度mp3全站爬蟲，使用redis支持斷點續傳。
18.淘寶和天貓的爬蟲
github.com/pakoo/tbcra…
可以根據搜索關鍵詞,物品id來抓去頁面的信息，數據存儲在mongodb。
19.一個股票數據（滬深）爬蟲和選股策略測試框架
github.com/benitoro/st…
根據選定的日期范圍抓取所有滬深兩市股票的行情數據。支持使用表達式定義選股策略。支持多線程處理。保存數據到JSON文件、CSV文件。
如果你還想用Python寫一個自己的電商網站，可以學習《仿京東購物商城》了解課程詳情點擊此處
