共计 2674 个字符，预计需要花费 7 分钟才能阅读完成。
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。
关注公众号「Python 专栏」，后台回复：爬虫书籍，获取 2 本 Python 爬虫相关电子书。
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：
https://github.com/Chyroc/Wec…
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：
https://github.com/lanbing510…
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：
https://github.com/LiuRoy/zhi…
4. bilibili-user – Bilibili 用户爬虫
总数据数：20119918，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：
https://github.com/airingursb…
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：
https://github.com/LiuXingMin…
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：
https://github.com/gnemoug/di…
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：
https://github.com/yanzhou/Cn…
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：
https://github.com/lanbing510…
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：
https://github.com/taizilongx…
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：
https://github.com/caspartse/…
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。
https://github.com/hanc00l/wo…
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
https://github.com/simapple/s…
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）。
https://github.com/fankcoder/…
14. 163spider
基于 requests、MySQLdb、torndb 的网易客户端内容爬虫
https://github.com/leyle/163s…
15. doubanspiders
豆瓣电影、书籍、小组、相册、东西等爬虫集
https://github.com/fanpei91/d…
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。
https://github.com/LiuXingMin…
17. baidu-music-spider
百度 mp3 全站爬虫，使用 redis 支持断点续传。
https://github.com/Shu-Ji/bai…
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。
https://github.com/pakoo/tbcr…
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。
https://github.com/benitoro/s…
20. BaiduyunSpider – 百度云盘爬虫。
https://github.com/k1995/Baid…
21. Spider
社交数据爬虫。支持微博, 知乎, 豆瓣。
https://github.com/Qutan/Spider
22. proxy pool
Python 爬虫代理 IP 池 (proxy pool)。
https://github.com/jhao104/pr…
23. music-163
爬取网易云音乐所有歌曲的评论。
https://github.com/RitterHou/…
