分享

GitHub上有哪些好用的爬虫

本帖最后由 奔放的蜗牛 于 2019-6-15 13:55 编辑

在开发实际项目的时候,你经常没有足够多的数据,需要自己去想办法获取,这个时候常常需要用到爬虫。然而找来找去,很可能找了很久都找不到既免费又好用的爬虫,今天就从好的爬虫开始说起,这很可能是项目成功的开始。 a365e5d455b05afe73a51062b20f2576 (1).jpg

首先给大家介绍一些非常优秀的综述和学习类项目,方便大家快速索引找到所需要的资源。

1.1、awesome-spider

地址:https://github.com/facert/awesome-spider
这是ID为facert的一个知乎工程师开源的,头像如下,鉴定为大佬。
de9f76b302d03067113f7b00f647b33c.jpg
star6000+,内容如下:
7131f02bb131f50cdd71c3a0228e6b06.jpg
这一款爬虫,里面搜集了几乎所有可以爬取的中文网址,从知乎豆瓣到知网,抖音微博到QQ,还有很多的不可描述的网站,你懂的。

1.2、Nyspider

地址:https://github.com/Nyloner/Nyspider
这是ID为Nyloner的一个今日头条的工程师弄的,头像如下:
82d3d47166097fadaa7cf618726b6160.jpg
star1000+,风格与上面的项目大有不同。
ef7707f122b6eab1c27475092676baec.jpg
可以看出,都是各类网址。这很头条,跟这位小哥哥的工作内容估计有关系。

1.3、awesome-python-login-model

地址:https://github.com/CriseLYJ/awesome-python-login-model
这是ID为CriseLYJ(职业不详)的用户,头像如下。

c0d65c134c6b4ae5b4978b6aa837bbff.jpg
这个项目用于模拟各种网址登陆,也包含一些简单的爬虫,star6000+。
79bf0894889c150ebc1e578c04f22965.jpg
先从这个项目开始分析各大网站的登录方式,非常有用,可谓摸清对手再动手。

1.4、python-spider

地址:https://github.com/Jack-Cherish/python-spider
这是ID为Jack-Cherish的东北大学的一个学生整理的学习python爬虫的资料,这个头像很学生。
0d7a8ac9e3bc1bb6e56a906efa6fbdbb.jpg
其他还有一些项目,不再一一介绍。

https://github.com/jhao104/proxy_pool
https://github.com/Ehco1996/Python-crawler
2 优秀图片/视频项目
笔者的精力多在图像和视频,所以下面各自介绍一个功能强大,简单好用的图片和视频爬虫。

工具亲测长期有效,省去了很多找爬虫工具的时间,早用早好。

2.1、Google,Baidu,Bing三大搜素引擎图片爬虫

地址:https://github.com/sczhengyabin/Image-Downloader
这个爬虫由ID为sczhengyabin的用户整理,看头像就知道不好惹。

74ef0041a92ba6c91f01975812e032c0.jpg
可以按要求爬取百度、Bing、Google上的图片,我已经用了几年了,提供了非常人性化的GUI方便操作,使用方法如下:

使用python image_downloader_gui.py调用GUI界面,配置好参数(关键词,路径,爬取数目等),关键词可以直接在这里输入也可以选择从txt文件中选择。

可以配置需要爬取的样本数目,这里一次爬了2000张,妥妥的3分钟搞定。
6146d15d02059d2fa05bb5933501c48b (1).jpg
f68e20ed91e5559ba8c82074a8f79e33.jpg
这个爬虫足够满足小型项目初始数据集的积累(爬几千张高质量图片妥妥的),结果命名也非常整齐规范,最大的优势就是稳定啊,不会三天两天不能用了。

2.2、各大视频网站爬虫

地址:https://github.com/iawia002/annie
由ID为iawia002的用户整理,看头像来路也不简单。


Annie是一款以go语言编码的视频下载工具,使用便捷并支持youtube,腾讯视频,抖音等多个网站视频和图像的下载,收录站点如下,可以说是该有的都有的:
6625a20367ea0adf558d6eaa606abc75.jpg
虽然这个项目可以下载图片,但是我们还是来用它下载视频吧,使用方法很简单:

annie [可选参数]http://… (视频网址)

视频会下载到当前目录,至于那些可选参数,赶紧去摸索吧。
bf387ac2c52630308d565e3419ce4beb.jpg

要说互联网圈里最有权势的那些人,搞爬虫的高手一定位列其中,他们大概是掌握信息最多的那批人了,善于整合抓取资源,如果身边有这样的大佬,一定要牢牢抱着。
23c0ebe147ed3c26ca75e870baf75858.jpg
回复

使用道具 举报

已有(1)人评论

跳转到指定楼层
李东尧 发表于 2022-2-21 06:30:32
<script type="text/javascript">var jd_union_pid="608851640355734520";var jd_union_euid="";</script><script type="text/javascript" src="//ads-union.jd.com/static/js/union.js"></script>
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则