原始内容来源于 https://zhuanlan.zhihu.com/p/27938007 by 地球的外星人君
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。
-
京东爬虫。基于scrapy的京东网站爬虫，保存格式为csv。
-
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。
-
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。
-
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）。
-
基于requests、MySQLdb、torndb的网易客户端内容爬虫。
-
豆瓣电影、书籍、小组、相册、东西等爬虫集。
-
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。
-
百度mp3全站爬虫，使用redis支持断点续传。
-
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。
-
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。
-
百度云盘爬虫。
-
社交数据爬虫。支持微博，知乎，豆瓣。
-
Python爬虫代理IP池(proxy pool)。
-
爬取网易云音乐所有歌曲的评论。
-
爬取煎蛋妹纸图片。
-
Cnblogs列表页爬虫。
-
爬取慕课网视频。
-
中国知网爬虫。
-
知道创宇爬虫题目。
-
动态IP解决新浪的反爬虫机制，快速抓取内容。
-
爬取CSDN上的博客文章。
-
爬取西刺上的代理IP，并验证代理可用性。