这 6 个爬虫开源项目 永远的神

作者丨老逛

来源丨经授权转自 逛逛GitHub（ID：ggGithub）

今天盘点 6 个爬虫开源项目，它们可以帮你爬天爬地怕空气，爬微博、爬B站、爬知乎、爬*站。

提前声明，切勿使用这些项目从事非法商业活动，仅用于用于科研学习

---

01

微博爬虫

这个开源项目程序可以持续爬取一个或多个新浪微博用户（如李文di、无疫烦）的数据，并将结果信息写入文件或数据库。写入信息几乎包括用户微博的所有数据，包括用户信息和微博信息两大类。

地址：https://github.com/dataabc/weiboSpider

爬取结果可写入文件和数据库，具体的写入文件类型如下：

• txt文件
• csv文件
• json文件
• MySQL数据库
• MongoDB数据库
• SQLite数据库

同时支持下载微博中的图片和视频，具体的可下载文件如下：

• 原创微博中的原始图片
• 转发微博中的原始图片
• 原创微博中的视频
• 转发微博中的视频
• 原创微博Live Photo中的视频
• 转发微博Live Photo中的视频

首先需要修改 config.json 文件，然后爬取，程序会自动生成一个 weibo 文件夹，我们以后爬取的所有微博都被存储在这里。

然后程序在该文件夹下生成一个名为'微博名字'的文件夹，明星的所有微博爬取结果都在这里。文件夹里包含一个csv文件、一个txt文件、一个json文件、一个img文件夹和一个video文件夹，img文件夹用来存储下载到的图片，video文件夹用来存储下载到的视频。如果你设置了保存数据库功能，这些信息也会保存在数据库里，数据库设置见设置数据库部分。   

---

02

Python爬虫教程

Python爬虫教程系列、从 0 到 1 学习 Python 爬虫，包括浏览器抓包，手机 APP 抓包，如 fiddler、mitmproxy，各种爬虫涉及的模块的使用，如：requests、beautifulSoup、selenium、appium、scrapy 等，以及验证码识别，MySQL，MongoDB 数据库的 Python 使用，多线程多进程爬虫的使用，css 爬虫加密逆向破解，JS爬虫逆向，分布式爬虫，爬虫项目实战实例等。

地址：https://github.com/wistbean/learn_python3_spider