Spider爬虫实例

1. dianping——大众点评

大众点评获取所有排行榜店铺信息建表入库
selenium登录获取cookie，使用cookie模拟登录
从库中获取所有店铺的id，拼接URL获取每个店铺所有评论信息并建表入库
添加断点续爬功能，程序中断后自动从断点开始爬取。

2. zhihuCrawl——知乎web

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——csdn网站

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——b站

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——今日头条web

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——淘宝web

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pandas进行数据分析
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——知乎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

10. Ajax_weibo——微博app

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

11. scrapyd

docker scrapyd 配置文件