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！
来源：oschina
链接：https://my.oschina.net/u/4309857/blog/4334590