INFO-SPIDER: 集众多数据源于一身的爬虫工具箱

项目简介

INFO-SPIDER 是一个集众多数据源于一身的爬虫工具箱，旨在安全快捷的帮助用户拿回自己的数据，工具代码开源，流程透明。并提供数据分析功能，基于用户数据生成图表文件，使得用户更直观、深入了解自己的信息。目前支持数据源包括GitHub、QQ邮箱、网易邮箱、阿里邮箱、新浪邮箱、Hotmail邮箱、Outlook邮箱、京东、淘宝、支付宝、中国移动、中国联通、中国电信、知乎、哔哩哔哩、网易云音乐、QQ好友、QQ群、生成朋友圈相册、浏览器浏览历史、12306、博客园、CSDN博客、开源中国博客、简书。

详细使用说明参照使用说明文档或视频教程

Features

• 安全可靠：本项目为开源项目，代码简洁，所有源码可见，本地运行，安全可靠。

• 使用简单：提供 GUI 界面，只需点击所需获取的数据源并根据提示操作即可。

• 结构清晰：本项目的所有数据源相互独立，可移植性高，所有爬虫脚本在项目的 Spiders 文件下。

• 数据源丰富：本项目目前支持多达24+个数据源，持续更新。

• 数据格式统一：爬取的所有数据都将存储为json格式，方便后期数据分析。

• 个人数据丰富：本项目将尽可能多地为你爬取个人数据，后期数据处理可根据需要删减。

• 数据分析：本项目提供个人数据的可视化分析，目前仅部分支持。

• 文档丰富：本项目包含完整全面的使用说明文档和视频教程

Screenshot

QuickStart

依赖安装

1. 安装python3和Chrome浏览器

2. 安装与Chrome浏览器相同版本的驱动

3. 安装依赖库 pip install -r requirements.txt

如果您在这一步操作遇到问题，可以获取免安装版InfoSpider

工具运行

1. 进入 tools 目录

2. 运行 python3 main.py

3. 在打开的窗口点击数据源按钮, 根据提示选择数据保存路径

4. 弹出的浏览器输入用户密码后会自动开始爬取数据, 爬取完成浏览器会自动关闭.

5. 在对应的目录下可以查看下载下来的数据(xxx.json), 数据分析图表(xxx.html)

数据源

• GitHub

• QQ邮箱

• 网易邮箱

• 阿里邮箱

• 新浪邮箱

• Hotmail邮箱

• Outlook邮箱

• 京东

• 淘宝

• 支付宝

• 中国移动

• 中国联通

• 中国电信

• 知乎

• 哔哩哔哩

• 网易云音乐

• QQ好友(cjh0613)

• QQ群(cjh0613)

• 生成朋友圈相册

• 浏览器浏览历史

• 12306

• 博客园

• CSDN博客

• 开源中国博客

• 简书

数据分析

• 博客园

• CSDN博客

• 开源中国博客

• 简书

计划

• 提供web界面操作，适应多平台

• 对爬取的个人数据进行统计分析

• 融合机器学习技术、自然语言处理技术等对数据深入分析

• 把分析结果绘制图表直观展示

• 添加更多数据源...