Python爬虫---爬取数据(上)

又是女票，拿了3万多条的13年某地区的公司信息，但是三年过去了，工商局的注册信息发生了巨大变化，有的注册资本增加了，有的公司老板变多了，更有不少公司不存在了，因此，需要一份最新的信息以便于她进行使用。
　　原先是想用工商局网站上进行爬取的，但是发现工商局网站好多验证信息，毕竟我这Python初学咋练的，是在是怕怕啊！幸好，找到一个名为XX查的网站，这个网站没有验证，可以直接查询，因此就拿这个网站来吧。
　　经过研究，发现必须要解析JavaScript才能拿到真实的数据，网上查找了下，发现使用phantomjs是比较简单的一种方式，于是就他了。
　　我的思路是这样的，数据是在文件中，查询后肯定有两种结果，查找成功的和查找失败的，这两种各自写在一个文件中，以便之后使用。对于成功的数据，继续对其查找联系方式，注册资金，开业状态等等需要的数据。这一块应该是一个类来进行的。另外一个类，打算使用Python内置的tkinter模块，写一个简单的界面，配置这两个文件，和显示实时的查询信息的。
以下是核心的爬虫类：

   class TianYanCha(object):def __init__(self, sucPath, failedPath):super(TianYanCha, self).__init__()self.fileSuc = open(sucPath, 'a')self.fileFailed = open(failedPath, 'a')self.driver = webdriver.PhantomJS(executable_path = './phantomjs2.1.1/bin/phantomjs.exe')def __del__(self):print('dle phantomjs')self.fileSuc.close()self.fileFailed.close()self.driver.quit()def setOutput(self,text):self.text = textdef getCompanyByName(self, company):url = 'http://www.tianyancha.com/search?key=%s&checkFrom=searchBox' % urllib.parse.quote(company)self.text.insert('end', '开始查找公司：' + company + ' ' + url + "\r\n")self.driver.get(url)self.driver.implicitly_wait(10)spans = self.driver.find_elements_by_css_selector('span[class=\"c9 ng-binding\"]')print(self.driver.page_source)if len(spans) > 0:href = self.driver.find_elements_by_css_selector('a[class=\"query_name\"]')if len(href) > 0:result = companyurl = href[0].get_attribute('href')self.text.insert('end', '找到公司%s，正在查询详细信息：%s\r\n' %(company, url))self.driver.get(url)self.driver.implicitly_wait(10)#获取公司名称name = self.driver.find_elements_by_css_selector('div[class=\"company_info_text\"]')if len(name) > 0:infos = name[0].text.split('\n')self.text.insert('end', infos)#获取公司注册资本regCapital = self.driver.find_elements_by_css_selector('td[class=\"td-regCapital-value\"]')if len(regCapital) > 0:result = result + " " + regCapital[0].text#获取公司注册状态regStatus = self.driver.find_elements_by_css_selector('td[class=\"td-regStatus-value\"]')if len(regStatus) > 0:result = result + " " + regStatus[0].textself.fileSuc.write(result)self.fileSuc.write('\r')self.fileSuc.flush()self.text.insert('end', result + "\r\n")self.text.vbar.set(1, 1)else:self.text.insert('end', self.driver.page_source)else:spans = self.driver.find_elements_by_css_selector('span[class=\"c8\"]')if len(spans) > 0:self.text.insert('end', '未找到公司 %s 的相关信息\r\n' % company)self.fileFailed.write(company)self.fileFailed.write('\r')else:spans = self.driver.find_elements_by_css_selector('div[class=\"gt-input\"]')if len(spans) > 0:self.text.insert('end', '需要输入验证码了！！！！' + '\r\n')else:self.text.insert('end', '查询公司 %s 遇到错误\r\n' % company)self.fileFailed.write('               ' + company)self.fileFailed.write('\r')self.fileFailed.flush()

tkinter的界面，请见Python爬虫—爬取数据(下)tkinter和exe打包。

Python爬虫---爬取数据(上)相关推荐

如何用六步教会你使用python爬虫爬取数据
前言: 用python的爬虫爬取数据真的很简单,只要掌握这六步就好,也不复杂.以前还以为爬虫很难,结果一上手,从初学到把东西爬下来,一个小时都不到就解决了. python爬出六部曲第一步:安装req ...
采用python爬虫爬取数据然后采用echarts数据可视化分析
前言:采用python爬虫爬取天气数据然后采用echarts数据可视化画图分析未来天气变化趋势从获取数据到可视化的流程 (熟悉爬虫爬取数据然后数据可视化这个过程) 一.python爬取未来8-15天 ...
python爬虫爬取网页上的天气数据
目录一:获取网页重要信息二:爬取网页数据三:源码分享一:获取网页重要信息在要爬取数据信息的网页上,F12进入查看网页内容二:爬取网页数据 1 导入模块 import requests fr ...
爬虫python的爬取步骤-Python爬虫爬取数据的步骤
爬虫: 网络爬虫是捜索引擎抓取系统(Baidu.Google等)的重要组成部分.主要目的是将互联网上的网页下载到本地,形成一个互联网内容的镜像备份. 步骤: 第一步:获取网页链接 1.观察需要爬取的多 ...
Python爬虫爬取数据的步骤
爬虫: 网络爬虫是捜索引擎抓取系统(Baidu.Google等)的重要组成部分.主要目的是将互联网上的网页下载到本地,形成一个互联网内容的镜像备份. 步骤: 第一步:获取网页链接 1.观察需要爬取的多 ...
python爬虫步骤-Python爬虫爬取数据的步骤
爬虫: 网络爬虫是捜索引擎抓取系统(Baidu.Google等)的重要组成部分.主要目的是将互联网上的网页下载到本地,形成一个互联网内容的镜像备份. 步骤: 第一步:获取网页链接 1.观察需要爬取的多 ...
Python爬虫爬取数据
我是Python小白,我会用比较通俗易懂的方法告诉你如何去爬取数据. 一开始,我们需要pycharm(也就是我们编代码的工具),其次我们需要打开我们需要爬取数据的网页,我以鞋子为例. 那么,接下来就开 ...
【教程+实例】Python爬虫实例——用Python爬虫爬取bangumi上的galgame资讯
文章目录 0.前言 1.什么是爬虫? 2.什么东西可以爬? 3.简易爬虫示例 4.如何筛选数据? 5.正则表达式 6.最终代码如何修改代码,以适应自己的需求效果截图 7.彩蛋本人与知乎用户间宫羽 ...
python爬虫爬取数据遇到的问题
自学爬虫中遇到的一点问题和部分解决方法本人大一新手,学python两个月,目前都是在网上找爬虫教学尝试自学(最初的目的是爬美女图片) 最开始接触爬虫的时候是一个前辈给我的代码和一个api的网站聚合数 ...

Python爬虫---爬取数据(上)

Python爬虫---爬取数据(上)相关推荐

最新文章

热门文章