Spider爬虫实例

1. Ajax_weibo

输入要爬取的博主ID，获取ajax请求，解析json数据，爬取博主所有微博，保存至MySQL

2. zhihuCrawl

知乎模拟登录，验证码图片保存，输入识别的验证码，获取当日热门话题及其高赞回答，保存问题标题、链接，回答者的ID，内容及点赞数量，存储至MongoDB

3. 微信公众号爬虫

使用西刺代理构建代理ip池，检查代理ip连通性，使用可用的ip爬取搜狗微信公众号文章，将文章保存为doc文档

4. 豆瓣读书爬虫

读取豆瓣每个分类的书籍列表，获取每本书信息,存储到MySQL，爬取完毕后删除重复数据并重新排序

5. csdn_scrapy

爬取csdn所有子标签文章，清洗后保存到MongoDB ，使用scrapy.redis组件进行分布式部署

6. bilibili

使用scrapy-splash爬取b站子标签热门video排行的大量信息，按标签建表保存至MongoDB

7. toutiao

爬取今日头条子标签新闻，webdriver获取加密参数，ajax请求返回json数据解析，保存至MongoDB

8. taobao

爬取淘宝各子标签，按销量排名商品信息，按分类保存至MongoDB，通过数据分析，将商品在各省分布、销量排行、地图分布等通过matplotlib绘图显示

9. zhihu_app

爬取使用ssl-pinning技术的app，fiddler抓包获取api请求，模拟手机端请求数据，解析json存入mysql

scrapyd

docker scrapyd 配置文件

下载地址：