百度360必应搜狗淘宝本站头条
分布式事务框架grpc框架shiro框架java日志框架框架图模板
当前位置：网站首页 > 技术文章 > 正文

Python开源项目合集(网络爬虫)（开源的python）

ccwgpt 2024-11-07 09:47 57 浏览 0 评论



  • scrapy - 最出名的网络爬虫，一个快速,高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。官方主页,Scrapy 轻松定制网络爬虫 - 教程，Scrapy 中文指南 。

    • 项目地址：https://github.com/scrapy/scrapy/


  • BeautifulSoup - Beautifu Soup不完全是一套爬虫工具，需要配合urllib使用，而是一套HTML/XML数据分析，清洗和获取工具。

    • 项目地址：http://www.crummy.com/software/BeautifulSoup/


  • python-goose - Python-Goose用Python重写，依赖了Beautiful Soup。给定一个文章的URL, 获取文章的标题和内容很方便。

    • 项目地址：https://github.com/grangier/python-goose/


  • pyspider - PySpider：一个国人编写的强大的网络爬虫系统并带有强大的WebUI。采用Python语言编写，分布式架构，支持多种数据库后端，强大的WebUI支持脚本编辑器，任务监视器，项目管理器以及结果查看器。demo地址,网络爬虫剖析，以Pyspider为例 ， Scrapy 示例 —— Web 爬虫框架 。

    • 项目地址：https://github.com/binux/pyspider


  • PyQuery - 是 Python 仿照 jQuery 的严格实现。语法与 jQuery 几乎完全相同，所以不用再去费心去记一些奇怪的方法了。python爬虫神器PyQuery的使用方法。

    • 项目地址：https://github.com/gawel/pyquery


  • distribute_crawler - 使用scrapy,redis,mongodb,graphite实现的一个分布式网络爬虫。

    • 项目地址：https://github.com/gnemoug/distribute_crawler


  • youtube-dl - 一个可从YouTube等网站下载视频的开源神器,采用Python开发，支持多个OS平台，支持众多视频网站国内优酷、土豆、新浪和搜狐，国外YouTube等赫然在列。

    • 项目地址：https://github.com/rg3/youtube-dl//


  • you-get - 能帮你快速爬取你想要的一切，支持64个网站，包括优酷、土豆、爱奇艺、b站、酷狗音乐、虾米。

    • 项目地址：https://github.com/soimort/you-get/


  • Lulu - You-get的一个友好分叉(fork), 类似网络爬虫的简单下载程序。

    • 项目地址：https://github.com/iawia002/Lulu


  • pytube - 一个非常严谨、轻量级、无依赖性的用于下载youtube视频的python库。

    • 项目地址：https://github.com/nficano/pytube


  • meizi_spider - 获取慕课网视频教程，基于Scrapy(0.22)。

    • 项目地址：https://github.com/lpe234/meizi_spider


  • spider_smooc - 爬取慕课网视频 ,使用BeautifulSoup模块解析html。

    • 项目地址：https://github.com/qiyeboy/spider_smooc


  • proxy_pool - 爬虫代理池,爬去取网上免费的代理IP。

    • 项目地址：https://github.com/jhao104/proxy_pool


  • Amazon-scraper-Python - 一款非官方的爬取工具，能够获取亚马逊上在售商品的信息，比如商品排名和评论数量。

    • 项目地址：https://github.com/tducret/amazon-scraper-python


  • Douyin-Bot - Python 抖音机器人，论如何在抖音上找到漂亮小姐姐？

    • 项目地址：https://github.com/wangshub/Douyin-Bot


  • DouYin - 不到 10 行代码完成抖音热门视频的爬取！

    • 项目地址：https://github.com/Python3WebSpider/DouYin


  • Sotawhat - arxiv论文爬虫，只需输入论文关键词，就会为你抓取arxiv上的论文并总结摘要，让你轻松同步最新研究结果。

    • 项目地址：https://github.com/chiphuyen/sotawhat


  • Gerapy - 国人开发的，分布式的爬虫管理框架，基于Scrapy, Scrapyd, Scrapyd-Client, Scrapyd-API, Django and Vue.js 技术！

    • 项目地址：https://github.com/Gerapy/Gerapy


  • Crawlab - 基于Celery的爬虫分布式爬虫管理平台，支持多种编程语言以及多种爬虫框架.

    • 项目地址：https://github.com/tikazyq/crawlab


  • awesome-python-login-model - 模拟登陆一些大型网站，还有一些简单的爬虫。

    • 项目地址：https://github.com/CriseLYJ/awesome-python-login-model


  • Pyppeteer - Pyppeteer其实是Puppeteer的Python版本，，Puppeteer是谷歌出品的一款基于Node.js开发的一款工具，主要是用来操纵Chrome浏览器的 API，通过Javascript代码来操纵Chrome浏览器，完成数据爬取、Web程序自动测试等任务。

    • 项目地址：https://github.com/miyakogi/pyppeteer


  • python_12306 - 用python实现的12306抢票小工具。

    • 项目地址：https://github.com/versionzhang/python_12306


  • py12306 - 12306 购票助手，支持集群，多账号，多任务购票以及 Web 页面管理。

    • 项目地址：https://github.com/pjialin/py12306


  • 12306 - 12306智能刷票，订票，分布式、多账号、多任务购票。

    • 项目地址：https://github.com/testerSunshine/12306

    相关推荐

    一个基于.Net Core遵循Clean Architecture原则开源架构

    今天给大家推荐一个遵循CleanArchitecture原则开源架构。项目简介这是基于Asp.netCore6开发的，遵循CleanArchitecture原则，可以高效、快速地构建基于Ra...

    AI写代码翻车无数次，我发现只要提前做好这3步，bug立减80%

    写十万行全是bug之后终于找到方法了开发"提示词管理助手"新版本那会儿，我差点被bug整崩溃。刚开始两周，全靠AI改代码架构，结果十万行程序漏洞百出。本来以为AI说没问题就稳了，结果...

    OneCode低代码平台的事件驱动设计:架构解析与实践

    引言：低代码平台的事件驱动范式在现代软件开发中，事件驱动架构（EDA）已成为构建灵活、松耦合系统的核心范式。OneCode低代码平台通过创新性的注解驱动设计，将事件驱动理念深度融入平台架构，实现了业务...

    国内大厂AI插件评测:根据UI图生成Vue前端代码

    在IDEA中安装大厂的AI插件，打开ruoyi增强项目：yudao-ui-admin-vue31.CodeBuddy插件登录腾讯的CodeBuddy后，大模型选择deepseek-v3，输入提示语：...

    AI+低代码技术揭秘(二):核心架构

    本文档介绍了为VTJ低代码平台提供支持的基本架构组件，包括Engine编排层、Provider服务系统、数据模型和代码生成管道。有关UI组件库和widget系统的信息，请参阅UI...

    GitDiagram用AI把代码库变成可视化架构图

    这是一个名为gitdiagram的开源工具，可将GitHub仓库实时转换为交互式架构图，帮助开发者快速理解代码结构。核心功能一键可视化：替换GitHubURL中的"hub...

    30天自制操作系统:第六天:代码架构整理与中断处理

    1.拆开bootpack.c文件。根据设计模式将对应的功能封装成独立的文件。2.初始化pic:pic(可编程中断控制器)：在设计上，cpu单独只能处理一个中断。而pic是将8个中断信号集合成一个中断...

    AI写代码越帮越忙?2025年研究揭露惊人真相

    近年来，AI工具如雨后春笋般涌现，许多人开始幻想程序员的未来就是“对着AI说几句话”，就能轻松写出完美的代码。然而，2025年的一项最新研究却颠覆了这一期待，揭示了一个令人意外的结果。研究邀请了16位...

    一键理解开源项目:两个自动生成GitHub代码架构图与说明书工具

    一、GitDiagram可以一键生成github代码仓库的架构图如果想要可视化github开源项目：https://github.com/luler/reflex_ai_fast，也可以直接把域名替换...

    5分钟掌握 c# 网络通讯架构及代码示例

    以下是C#网络通讯架构的核心要点及代码示例，按协议类型分类整理：一、TCP协议（可靠连接）1.同步通信//服务器端usingSystem.Net.Sockets;usingTcpListene...

    从复杂到优雅:用建造者和责任链重塑代码架构

    引用设计模式是软件开发中的重要工具，它为解决常见问题提供了标准化的解决方案，提高了代码的可维护性和可扩展性，提升了开发效率，促进了团队协作，提高了软件质量，并帮助开发者更好地适应需求变化。通过学习和应...

    低代码开发当道，我还需要学习LangChain这些框架吗?| IT杂谈

    专注LLM深度应用，关注我不迷路前两天有位兄弟问了个问题：当然我很能理解这位朋友的担忧：期望效率最大化，时间用在刀刃上，“不要重新发明轮子”嘛。铺天盖地的AI信息轰炸与概念炒作，很容易让人浮躁与迷茫。...

    框架设计并不是简单粗暴地写代码，而是要先弄清逻辑

    3.框架设计3.框架设计本节我们要开发一个UI框架，底层以白鹭引擎为例。框架设计的第一步并不是直接撸代码，而是先想清楚设计思想，抽象。一个一个的UI窗口是独立的吗？不是的，...

    大佬用 Avalonia 框架开发的 C# 代码 IDE

    AvalonStudioAvalonStudio是一个开源的跨平台的开发编辑器（IDE），AvalonStudio的目标是成为一个功能齐全，并且可以让开发者快速使用的IDE，提高开发的生产力。A...

    轻量级框架Lagent 仅需20行代码即可构建自己的智能代理

    站长之家（ChinaZ.com）8月30日消息:Lagent是一个专注于基于LLM模型的代理开发的轻量级框架。它的设计旨在简化和提高这种模型下代理的开发效率。LLM模型是一种强大的工具，可以...

    取消回复欢迎 你 发表评论:

    一周热门
    最近发表
    标签列表
    赣ICP备2024040476号-14