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。
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】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】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
感谢各位看官的耐心阅读，不足之处希望多多指教。后续内容将会不定期奉上，欢迎大家关注有三公众号 有三AI！
817
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
