python3.x 爬虫小项目

---

自己平时做数据分析时爬的数据 就当做练习爬虫了 😸

• 爬取豆瓣国漫----2017/10

• 爬取QQ好友所有说说----2017/11

• 爬取赛氪网信息（未完成----2017/11

• 爬取知乎用户信息(基于轮子哥 scrapy)----2017/11

• 爬取WeChat(用itchat)----2017/12

• 机器验证破解(未完成)----2017/12

• 爬取星巴克信息----2018/1

• 爬取网易云音乐评论 (持续更新)---- 2018/1

• 爬取京东特定的商品评论---- 2018/1

• 爬取豆瓣神秘巨星短评---- 2018/2

• 爬取github--- 2018/2

• vip视频解析助手--- 2018/2

  

• 抖音APP视频爬取下载(Fiddler)---2018/2
• scrapy学习(依赖官方文档) ---2018/3
• xpath学习 ---2018/3
• 文件下载(浏览器下载的太慢了,ubuntu上还未发现好的下载软件,就自己简单实现了一个) ---/2018/3
• 爬取ted的视频的文本内容，为后续的分析准备
• WIFI 暴力破解

• 添加百度文库的爬取（最近在用百度文库，经常提示粘贴超过用量，就弄了该脚本）

• 并发爬取IMDB的数据

环境搭建与讲解

1. qq空间说说爬取

步骤:

1. 通过模拟登录获取,因为说说中的请求链接需要的参数是在cookie中获取的,当然也可以通过其他的方式获取对应的cookies. 其中g_qzonetoken的获取是在网页的源码中获取的,
2. 分析说说的链接, 构造参数, 传入即可

环境:

1. selenuim
2. request

注意事项

1. 若是使用的是chrome, 注意chromedriver的版本和自己chrome的版本对应
2. 使用模拟登录, 注意设置合适的睡眠时间, 避免还未执行登录操作, 后续的程序就直接执行了(可添加判断, 未做)

TODO

• 并发爬取
• 支持断点爬取