Python爬虫爬企查查数据
因为制作B2b网站需要,需要入库企业信息数据。所以目光锁定企查查数据,废话不多说,开干!
- #-*- coding-8 -*-
- import requests
- import lxml
- import sys
- from bs4 import BeautifulSoup
- import xlwt
- import time
- import urllib
- def craw(url,key_word,x):
- User_Agent = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:56.0) Gecko/20100101 Firefox/56.0'
- # if x == 0:
- # re = 'http://www.qichacha.com/search?key='+key_word
- # else:
- # re = 'https://www.qichacha.com/search?key={}#p:{}&'.format(key_word,x-1)
- re = r'https://www.qichacha.com/search?key='+key_word
- headers = {
- 'Host':'www.qichacha.com',
- 'Connection': 'keep-alive',
- 'Accept':r'text/html, */*; q=0.01',
- 'X-Requested-With': 'XMLHttpRequest',
- 'User-Agent':r'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
- 'Referer': re,
- 'Accept-Encoding':'gzip, deflate, br',
- 'Accept-Language':'zh-CN,zh;q=0.9',
- 'Cookie':r'xxxxxxxxx这里换成你的cookiexxxxxxxx这里换成你的cookiexxxxxxxxx这里换成你的cookiexxxxxxx',
- }
- try:
- response = requests.get(url,headers = headers)
- if response.status_code != 200:
- response.encoding = 'utf-8'
- print(response.status_code)
- print('ERROR')
- soup = BeautifulSoup(response.text,'lxml')
- except Exception:
- print('请求都不让,这企查查是想逆天吗???')
- try:
- com_all_info = soup.find_all(class_='m_srchList')[0].tbody
- com_all_info_array = com_all_info.select('tr')
- print('开始爬取数据,请勿打开excel')
- for i in range(0,len(com_all_info_array)):
- # try:
- temp_g_name = com_all_info_array[i].select('td')[2].select('.ma_h1')[0].text #获取公司名
- temp_g_tag = com_all_info_array[i].select('td')[2].select('.search-tags')[0].text #获取公司标签
- temp_r_name = com_all_info_array[i].select('td')[2].select('p')[0].a.text #获取法人名
- temp_g_money = com_all_info_array[i].select('td')[2].select('p')[0].select('span')[0].text.strip('注册资本:') #获取注册资本
- temp_g_date = com_all_info_array[i].select('td')[2].select('p')[0].select('span')[1].text.strip('成立日期:') #获取公司注册时间
- temp_r_email = com_all_info_array[i].select('td')[2].select('p')[1].text.split('\n')[1].strip().strip('邮箱:') #获取法人Email
- temp_r_phone = com_all_info_array[i].select('td')[2].select('p')[1].select('.m-l')[0].text.strip('电话:') #获取法人手机号
- temp_g_addr = com_all_info_array[i].select('td')[2].select('p')[2].text.strip().strip('地址:') #获取公司地址
- temp_g_state = com_all_info_array[i].select('td')[3].select('.nstatus.text-success-lt.m-l-xs')[0].text.strip() #获取公司状态
- g_name_list.append(temp_g_name)
- g_tag_list.append(temp_g_tag)
- r_name_list.append(temp_r_name)
- g_money_list.append(temp_g_money)
- g_date_list.append(temp_g_date)
- r_email_list.append(temp_r_email)
- r_phone_list.append(temp_r_phone)
- g_addr_list.append(temp_g_addr)
- g_state_list.append(temp_g_state)
- # except Exception:
- # print('错误!')
- except Exception:
- print('好像被拒绝访问了呢...请稍后再试叭...')
- if __name__ == '__main__':
- global g_name_list
- global g_tag_list
- global r_name_list
- global g_money_list
- global g_date_list
- global r_email_list
- global r_phone_list
- global g_addr_list
- global g_state_list
- g_name_list=[]
- g_tag_list=[]
- r_name_list=[]
- g_money_list=[]
- g_date_list=[]
- r_email_list=[]
- r_phone_list=[]
- g_addr_list=[]
- g_state_list=[]
- key_word = input('请输入您想搜索的关键词:')
- num = int(input('请输入您想检索的次数:'))+1
- sleep_time = int(input('请输入每次检索延时的秒数:'))
- key_word = urllib.parse.quote(key_word)
- print('正在搜索,请稍后')
- for x in range(1,num):
- url = r'https://www.qichacha.com/search_index?key={}&ajaxflag=1&p={}&'.format(key_word,x)
- s1 = craw(url,key_word,x)
- time.sleep(sleep_time)
- workbook = xlwt.Workbook()
- #创建sheet对象,新建sheet
- sheet1 = workbook.add_sheet('企查查数据', cell_overwrite_ok=True)
- #---设置excel样式---
- #初始化样式
- style = xlwt.XFStyle()
- #创建字体样式
- font = xlwt.Font()
- font.name = '仿宋'
- # font.bold = True #加粗
- #设置字体
- style.font = font
- #使用样式写入数据
- print('正在存储数据,请勿打开excel')
- #向sheet中写入数据
- name_list = ['公司名字','公司标签','法定法人','注册资本','成立日期','法人邮箱','法人电话','公司地址','公司状态']
- for cc in range(0,len(name_list)):
- sheet1.write(0,cc,name_list[cc],style)
- for i in range(0,len(g_name_list)):
- print(g_name_list[i])
- sheet1.write(i+1,0,g_name_list[i],style)#公司名字
- sheet1.write(i+1,1,g_tag_list[i],style)#公司标签
- sheet1.write(i+1,2,r_name_list[i],style)#法定法人
- sheet1.write(i+1,3,g_money_list[i],style)#注册资本
- sheet1.write(i+1,4,g_date_list[i],style)#成立日期
- sheet1.write(i+1,5,r_email_list[i],style)#法人邮箱
- sheet1.write(i+1,6,r_phone_list[i],style)#法人电话
- sheet1.write(i+1,7,g_addr_list[i],style)#公司地址
- sheet1.write(i+1,8,g_state_list[i],style)#公司状态
- #保存excel文件,有同名的直接覆盖
- workbook.save(r"D:\wyy-qcc-"+time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) +".xls")
- print('保存完毕~')
Python爬虫爬企查查数据的更多相关文章
- python爬虫爬取天气数据并图形化显示
前言 使用python进行网页数据的爬取现在已经很常见了,而对天气数据的爬取更是入门级的新手操作,很多人学习爬虫都从天气开始,本文便是介绍了从中国天气网爬取天气数据,能够实现输入想要查询的城市,返回该 ...
- python爬虫——爬取网页数据和解析数据
1.网络爬虫的基本概念 网络爬虫(又称网络蜘蛛,机器人),就是模拟客户端发送网络请求,接收请求响应,一种按照一定的规则,自动地抓取互联网信息的程序.只要浏览器能够做的事情,原则上,爬虫都能够做到. 2 ...
- 使用python爬虫爬取股票数据
前言: 编写一个爬虫脚本,用于爬取东方财富网的上海股票代码,并通过爬取百度股票的单个股票数据,将所有上海股票数据爬取下来并保存到本地文件中 系统环境: 64位win10系统,64位python3.6, ...
- python爬虫----爬取阿里数据银行websocket接口
业务需求:爬取阿里品牌数据银行的自定义模块==>>>人群透视==>>>查看报告==>>数据 发现:数据通过websocket接口传递,此类型接口的详细理 ...
- java调用Linux执行Python爬虫,并将数据存储到elasticsearch--(环境脚本搭建)
java调用Linux执行Python爬虫,并将数据存储到elasticsearch中 一.以下博客代码使用的开发工具及环境如下: 1.idea: 2.jdk:1.8 3.elasticsearch: ...
- 用Python爬虫爬取广州大学教务系统的成绩(内网访问)
用Python爬虫爬取广州大学教务系统的成绩(内网访问) 在进行爬取前,首先要了解: 1.什么是CSS选择器? 每一条css样式定义由两部分组成,形式如下: [code] 选择器{样式} [/code ...
- 使用Python爬虫爬取网络美女图片
代码地址如下:http://www.demodashi.com/demo/13500.html 准备工作 安装python3.6 略 安装requests库(用于请求静态页面) pip install ...
- Python爬虫|爬取喜马拉雅音频
"GOOD Python爬虫|爬取喜马拉雅音频 喜马拉雅是知名的专业的音频分享平台,用户规模突破4.8亿,汇集了有声小说,有声读物,儿童睡前故事,相声小品等数亿条音频,成为国内发展最快.规模 ...
- Python爬虫爬取全书网小说,程序源码+程序详细分析
Python爬虫爬取全书网小说教程 第一步:打开谷歌浏览器,搜索全书网,然后再点击你想下载的小说,进入图一页面后点击F12选择Network,如果没有内容按F5刷新一下 点击Network之后出现如下 ...
随机推荐
- 在Django中显示操作数据库的语句
需要在配置中加上这个 LOGGING = { 'version':1, 'disable_existing_loggers':False, 'handlers':{ 'console':{ 'leve ...
- JS系列:函数function
### 函数 function > 在js中函数就是一个方法(一个功能体)基于这个函数,一般是为了实现某个功能. ``` var total =10; total+=10; total=tota ...
- 翻书shader
//把下面的shader挂载到plane上,调节_Angle Shader "Unlit/PageTurning"{ Properties { _Color ("Colo ...
- POJ 1321 棋盘问题(C)回溯
Emmm,我又来 POJ 了,这题感觉比上次做的简单点.类似皇后问题.但是稍微做了一点变形,比如棋子数量是不定的.棋盘形状不在是方形等等. 题目链接:POJ 1321 棋盘问题 解题思路 基本思路:从 ...
- java知识精要(二)
java知识精要(一) 集合 Iterable v.s. Iterator 两者都是接口,在Collection继承的是Iterable. Iterable表达了集合具备迭代访问的能力,而Iterat ...
- Go语言【开发】加载JSON配置文件
JSON配置加载 辅助网址,JSON转结构体对应 http://json2struct.mervine.net/ 从JSON文件中加载配置到全局变量中 配置文件 config.json { &quo ...
- hive工作中的一些优化策略
1.hive抓取策略 hive.fetch.task.conversion = more/none more不走mr,none走mr 2.explain 显示执行计划 3.设置 ...
- Django使用distinct报错:DISTINCT ON fields is not supported by this database backend
具体错误提示是:django.db.utils.NotSupportedError: DISTINCT ON fields is not supported by this database back ...
- 认证授权-学习笔记2-OpenId Connect
简介 简单来说:OIDC是OpenID Connect的简称,OIDC=(Identity, Authentication) + OAuth 2.0.它在OAuth2上构建了一个身份层,是一个基于OA ...
- DevExpress中GridColumnCollection实现父子表数据绑定
绑定数据: 父表: DataTable _parent = _dvFlt.ToTable().Copy(); 子表: DataTable _child = _dvLog.ToTable().Copy( ...