GitHub：爬虫集合：微博、Twitter、玩加、知网、虎牙、斗鱼、B 站、WeGame、猫眼、豆瓣、安居客、居理新房等

[zhijieju]

hello，小伙伴们大家好，今天给大家推荐的开源项目是 ：CxSpider，这个开源整合了作者自己的采集过的所有产品，包括微博、Twitter 、玩加、知网、虎牙、斗鱼、B 站、WeGame 、猫眼、豆瓣、安居客、居理新房感兴趣的小伙伴可以下载看看，应该可以给你提供一个可借鉴的思路。

Project

---

爬虫详情

---

1. Twitter 用户信息爬虫(twitter.user_info)

@author ChangXing @version 4.1 @create 2017.12.25 @revise 2020.06.08

使用第三方模块 twitter-scraper 采集 Twitter 用户信息；因为该模块采集的粉丝数和关注数可能存在偏差，因此再通过 Selenium 抓取 Twitter 用户信息，以更正该模块采集的数量。

• 采集信息：粉丝数和关注数为 twitter-scraper 采集并配合 Selenium 爬虫检查，其他字段为 twitter-scraper 采集。
• 应用配置：无需使用代理 IP，需要使用 Selenium

2. Twitter 用户推文爬虫(twitter.user_tweet)

@author ChangXing @version 4.0 @create 2017.12.30 @revise 2020.06.08

微博热搜榜实时爬虫(weibo.hot_ranking)

---

@author ChangXing @Version 1.1 @create 2020.05.29 @revise 2020.06.08

定时采集微博热搜榜。

• 采集信息：每 5 分钟采集 1 次，每次约 50 条记录→每天约 14400 条记录
• 数据清洗：热搜榜置顶热搜（固定第 1 条）和广告热搜（标注推荐）
• 应用配置：无需使用代理 IP 、无需使用 Selenium

环境变量

---

爬虫功能的正常使用需要配置如下环境变量，可以直接修改 environment.py 中的环境变量值，也可以修改配置 Json 文件。

环境配置

---

Python/Pip 环境

• Python >= 3.8.0
• requests >= 2.23.0
  • idna >= 2.9
  • urllib3 >= 1.25.9
  • certifi >= 2020.4.5.1
  • chardet >= 3.0.4
• bs4 >= 0.0.1
  • beautifulsoup4 >= 4.9.0
  • soupsieve >= 2.0
• apscheduler >= 3.6.3
  • pytz >= 2019.3
  • six >= 1.14.0
  • tzlocal >= 2.1
  • setuptools
• mysql-connector >= 2.2.9
• lxml >= 4.5.0
• selenium >= 3.141.0 (用于 Selenium 爬虫)
  • urllib3 >= 1.25.9
• twitter-scraper >= 0.4.1 (用于 Twitter 用户信息爬虫)
  • requests-html >= 0.10.0
  • MachanicalSoup >= 0.12.0

开源地址： https://github.com/ChangxingJiang/CxSpider

今天的推荐不知道大家喜欢吗？如果你们喜欢话，请在文章底部留言或点赞，以表示对我的支持，你们的留言，点赞，转发关注是我持续更新的动力哦！

关注公众号回复："1024"，免费领取一大波学习资源，先到先得哦！

[iwukong]

怎么爬金融 PDF 数据