在开发实际项目的时候,你经常没有足够多的数据,需要自己去想办法获取,这个时候常常需要用到爬虫。然而找来找去,很可能找了很久都找不到既免费又好用的爬虫,今天就从好的爬虫开始说起,这很可能是项目成功的开始。

作者&编辑 | 言有三

1 综述类项目与学习资料

首先给大家介绍一些非常优秀的综述和学习类项目,方便大家快速索引找到所需要的资源。

1.1、awesome-spider

地址:https://github.com/facert/awesome-spider

这是ID为facert的一个知乎工程师开源的,star6000+,内容如下:

这一款爬虫,里面搜集了几乎所有可以爬取的中文网址,从知乎豆瓣到知网,抖音微博到QQ,还有很多的不可描述的网站,你懂的。

1.2、Nyspider

地址:https://github.com/Nyloner/Nyspider

这是ID为Nyloner的一个今日头条的工程师弄的,star1000+,风格与上面的项目大有不同。

可以看出,都是各类网址。这很头条,跟这位小哥哥的工作内容估计有关系。

3、awesome-python-login-model

地址:https://github.com/CriseLYJ/awesome-python-login-model

这是ID为CriseLYJ(职业不详)的用户,这个项目用于模拟各种网址登陆,也包含一些简单的爬虫,star6000+。

先从这个项目开始分析各大网站的登录方式,非常有用,可谓摸清对手再动手。

4、python-spider

地址:https://github.com/Jack-Cherish/python-spider

这是ID为Jack-Cherish的东北大学的一个学生整理的学习python爬虫的资料,star6000+,包含不少的实战项目,非常适合想学习的朋友。

其他还有一些项目,不再一一介绍。

https://github.com/jhao104/proxy_pool

https://github.com/Ehco1996/Python-crawler

2 优秀图片/视频项目

笔者的精力多在图像和视频,所以下面各自介绍一个功能强大,简单好用的图片和视频爬虫。

工具亲测长期有效,省去了很多找爬虫工具的时间,早用早好。

2.1、Google,Baidu,Bing三大搜素引擎图片爬虫

地址:https://github.com/sczhengyabin/Image-Downloader

这个爬虫由ID为sczhengyabin的用户整理,可以按要求爬取百度、Bing、Google上的图片,我已经用了几年了,提供了非常人性化的GUI方便操作,使用方法如下:

使用python image_downloader_gui.py调用GUI界面,配置好参数(关键词,路径,爬取数目等),关键词可以直接在这里输入也可以选择从txt文件中选择。

可以配置需要爬取的样本数目,这里一次爬了2000张,妥妥的3分钟搞定。

这个爬虫足够满足小型项目初始数据集的积累(爬几千张高质量图片妥妥的),结果命名也非常整齐规范,最大的优势就是稳定啊,不会三天两天不能用了。

2、各大视频网站爬虫

地址:https://github.com/iawia002/annie

由ID为iawia002的用户整理,Annie是一款以go语言编码的视频下载工具,使用便捷并支持youtube,腾讯视频,抖音等多个网站视频和图像的下载,收录站点如下,可以说是该有的都有的:

虽然这个项目可以下载图片,但是我们还是来用它下载视频吧,使用方法很简单:

annie [可选参数]http://…  (视频网址)

视频会下载到当前目录,至于那些可选参数,赶紧去摸索吧。

就到此为止吧。

对了,有三AI刚刚开源了一个深度学习项目,如下:

https://github.com/longpeng2008/yousan.ai

内容包含计算机视觉,语音,自然语言处理,支持caffe,tensorflow,pytorch,mxnet,paddlepaddle,darknet,deeplearning4j,matconvnet,keras,chainer,cntk,lasadge等框架,大家可以看我们的介绍文章。

【完结】给新手的12大深度学习开源框架快速入门项目

要说互联网圈里最有权势的那些人,搞爬虫的高手一定位列其中,他们大概是掌握信息最多的那批人了,善于整合抓取资源,如果身边有这样的大佬,一定要牢牢抱着。

杂谈系列文章

【杂谈】深度学习必备,各路免费爬虫一举拿下

【杂谈】想成为机器学习学霸?先学会做笔记吧

【杂谈】那些酷炫的深度学习网络图怎么画出来的?

【杂谈】如何学会看arxiv.org才能不错过自己研究领域的最新论文?

【杂谈】提升写代码效率不得不做的三件事

【杂谈】为什么你学了AI,企业却不要你

【杂谈】白身,初识,不惑,有识,不可知,你处于深度学习工程师哪一重境界了

【杂谈】三人行必有AI,你会在其一吗?

文章来源于互联网:【杂谈】GitHub上有哪些好用的爬虫(从Google百度,腾讯视频抖音,豆瓣知乎到不可描述)

发表评论