一个简单的demo，python爬虫，其实是以前的存货，很久很久没有写爬虫了，渣渣更渣了啊！

爬取财富中文网，2020年《财富》中国500强排行榜相关数据，数据都在网页源码里，结构也比较清晰，基本上一个请求页面可以搞定所有数据，一个老哥要的数据，用来做数据分析！

新人可以用来练手的网站，这里给出参考demo，仅供参考和学习使用！

fake_useragent库本地使用

来自于吾爱破解网站（ID：jxt441621944）上的分享，fake_useragent库也是本渣渣比较喜欢使用的一个库，比较方便吧，好用倒也说不上，看着用吧，fake_useragent库本地使用方法，这里给大家整理和打包了一下！

UserAgent就是用户代{过}{滤}理，是一串字符串，相当于是浏览器的身份证明，在写爬虫的时候频繁更换请求头中的UserAgent可以避免触发反爬机制（配合代{过}{滤}理IP食用更佳）。

fake_useragent就是可以获得一个随机的用户代{过}{滤}理的库。

打包地址获取 关注微信公众号：二爷记 后台回复  “UA”

fake_useragent库总共250条UA!

UA库文件：fake_ua.txt

py调用文件：fakeua.py

#ua库使用
#微信：huguo00289
# -*- coding: UTF-8 -*-import randomwith open('fake_ua.txt', 'r') as f:fake_ua = [fua.strip() for fua in f.readlines()]print(random.choice(fake_ua))

python爬虫2020年《财富》中国500强排行榜数据爬取demo

没啥好说的，照着抄吧，本渣渣也是抄的的，不懂的尽量百度

也可以加本渣渣微信：huguo00289

交流探讨学习！

#财富爬取
#微信：huguo00289
# -*- coding: UTF-8 -*-
import requests,random
from lxml import etree
import xlsxwriterclass Httprequest(object):ua_list = ['Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.163 Safari/535.1','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36Chrome 17.0','Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11','Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0Firefox 4.0.1','Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1','Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50','Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50','Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',]@property  #把方法变成属性的装饰器def random_headers(self):return {'User-Agent': random.choice(self.ua_list)}class Get_data(Httprequest):def __init__(self):self.url="http://www.fortunechina.com/fortune500/c/2020-07/27/content_369925.htm"self.murl="http://www.fortunechina.com/fortune500/c/2020-05/18/content_365275.htm"def get_data(self):html=requests.get(self.url,headers=self.random_headers,timeout=5).content.decode('utf-8')#print(html)req = etree.HTML(html)rankings=req.xpath('//table[@class="wt-table"]/tbody/tr/td[1]/text()')last_rankings=req.xpath('//table[@class="wt-table"]/tbody/tr/td[2]/text()')companys=req.xpath('//table[@class="wt-table"]/tbody/tr/td[3]/a/text()')incomes=req.xpath('//table[@class="wt-table"]/tbody/tr/td[4]/text()')profits=req.xpath('//table[@class="wt-table"]/tbody/tr/td[5]/text()')# print(ranking)# print(last_ranking)# print(company)# print(income)# print(profit)data_list=[]for ranking,last_ranking,company,income,profit in zip(rankings, last_rankings, companys, incomes, profits):data = [ranking,last_ranking,company,income,profit]print(data)data_list.append(data)print('\n')self.write_to_xlsx(data_list)def write_to_xlsx(self, data_list):workbook = xlsxwriter.Workbook('{}_search_results.xlsx'.format("2020年《财富》中国500强排行榜"))  # 创建一个Excel文件worksheet = workbook.add_worksheet("2020年《财富》中国500强排行榜")title = ['排名', '上年排名', '公司名称（中文）', '营业收入（百万元）', '利润（百万元）']  # 表格titleworksheet.write_row('A1', title)for index, data in enumerate(data_list):# content = content.rstrip()# keyword, rank, include_num, chart_url, title, game_id, company_num, long_words_num = datanum0 = str(index + 2)row = 'A' + num0# data = [name, size, game_id]worksheet.write_row(row, data)workbook.close()def get_mdata(self):html=requests.get(self.murl,headers=self.random_headers,timeout=5).content.decode('utf-8')#print(html)req = etree.HTML(html)rankings=req.xpath('//table[@class="wt-table"]/tbody/tr/td[1]/text()')companys=req.xpath('//table[@class="wt-table"]/tbody/tr/td[2]/a/text()')incomes=req.xpath('//table[@class="wt-table"]/tbody/tr/td[3]/text()')profits=req.xpath('//table[@class="wt-table"]/tbody/tr/td[4]/text()')data_list=[]for ranking,company,income,profit in zip(rankings,companys, incomes, profits):data = [ranking,company,income,profit]print(data)data_list.append(data)print('\n')self.write_to_mxlsx(data_list)def write_to_mxlsx(self, data_list):workbook = xlsxwriter.Workbook('{}_search_results.xlsx'.format("2020年《财富》美国500强排行榜"))  # 创建一个Excel文件worksheet = workbook.add_worksheet("2020年《财富》美国500强排行榜")title = ['排名', '公司名称（中文）', '营业收入（百万美元）', '利润（百万美元）']  # 表格titleworksheet.write_row('A1', title)for index, data in enumerate(data_list):# content = content.rstrip()# keyword, rank, include_num, chart_url, title, game_id, company_num, long_words_num = datanum0 = str(index + 2)row = 'A' + num0# data = [name, size, game_id]worksheet.write_row(row, data)workbook.close()if __name__=="__main__":spider=Get_data()#spider.get_data()spider.get_mdata()

微信公众号：二爷记

不定时分享python源码及工具