如何用Web Scraper抓取巨潮资讯网全站乐视相关pdf文件
今天乐视的股价可以说是从水深火热到激情澎湃,振幅高达 19.5%,不知大家都赚到了吗?
不管赚没赚到,买股票前收集资料进行调研还是必须的。
上市公司信息发布哪里权威呢,自然是巨潮资讯,毕竟是中国证监会指定信息披露网站。
如何抓取其中乐视相关 pdf 文件呢,从网站上一个个下载多累,还未必能找全,我教你个办法,自动化抓取,一劳永逸。下面开始演示。
一、搜索
这里以从巨潮资讯网 全站乐视 相关 pdf 为例,巨潮网址:
http://www.cninfo.com.cn
注意里面用了 site 和 filetype 两个操作符,这两个啥用途呢?
site 用于列出某域名下所有网页(包含文件)
filetype 用于筛选文件类型
二者结合就起到列出网站下所有搜索词相关 pdf 文件的目的。
二、抓取
现在链接有了,如何抓取呢,这里就该 Web Scraper 出场了。
1、建立 Sitemap。
2、按如下结构建立选择器。
3、抓取并导出 Excel 如下。
三、下载
链接有了,如何下载呢,迅雷上呗。
下载任务圆满完成:
四、思考
1、乐视抓完了,格力呢?巨潮会抓了,别的网站呢?
2、如果把搜索词乐视去掉又会如何?这里面有什么花头可挖?
3、filetype 后面换个别的文件类型呢,比如 ppt,doc,xls?
4、百度高级搜索 界面如下,你还能想出什么玩法?
如何用Web Scraper抓取巨潮资讯网全站乐视相关pdf文件相关推荐
- python3爬取巨潮资讯网的年报数据
python3爬取巨潮资讯网的年报数据 前期准备: 需要用到的库: 完整代码: 前期准备: 巨潮资讯网有反爬虫机制,所以先打开巨潮资讯网的年报板块,看看有什么解决办法. 巨潮咨询年报板块 可以通过这样 ...
- 批量爬取巨潮资讯网中“贵州茅台”相关公告的PDF文件。
1 需求 批量爬取巨潮资讯网中"贵州茅台"相关公告的PDF文件. 2 代码实现 import reimport requests from selenium import webd ...
- 基于python+selenium+Chrome自动化爬取巨潮资讯网A股财务报表
转自同学的博客 引言: 网页爬虫分为静态网页爬虫和动态网页爬虫,前者是指索要获取的网页内容不需要经过js运算或者人工交互, 后者是指获取的内容必须要经过js运算或者人工交互.这里的js运算可能是aja ...
- web scraper 抓取网页数据的几个常见问题
如果你想抓取数据,又懒得写代码了,可以试试 web scraper 抓取数据. 相关文章: 最简单的数据抓取教程,人人都用得上 web scraper 进阶教程,人人都用得上 如果你在使用 web s ...
- 不会 Python 没关系,手把手教你用 web scraper 抓取豆瓣电影 top 250 和 b 站排行榜
苏生不惑第190 篇原创文章,将本公众号设为 星标 ,第一时间看最新文章. 关于Python之前分享过很多文章了: Python 抓取知乎电影话题下万千网友推荐的电影,这个国庆节不愁没电影看了 王菲k ...
- 不会 Python 没关系,手把手教你用 web scraper 抓取豆瓣电影 top 250 和 b 站排行榜...
苏生不惑第190 篇原创文章,将本公众号设为星标,第一时间看最新文章. 关于Python之前分享过很多文章了: Python 抓取知乎电影话题下万千网友推荐的电影,这个国庆节不愁没电影看了 王菲k歌又 ...
- python3爬取巨潮资讯网站年报数据
python3爬取巨潮资讯网站年报数据 2018年年底巨潮资讯http://www.cninfo.com.cn改版了,之前实习生从网上找的脚本不能用了,因此重新修改了下爬取脚本.最初脚本的原链接忘了, ...
- python3爬取数据_python3爬取巨潮资讯网站年报数据
python3爬取巨潮资讯网站年报数据 2018年年底巨潮资讯http://www.cninfo.com.cn改版了,之前实习生从网上找的脚本不能用了,因此重新修改了下爬取脚本.最初脚本的原链接忘了, ...
- 爬虫|巨潮资讯网上市公司年报爬取
爬虫|巨潮资讯网上市公司年报爬取 import pandas as pd from selenium import webdriver from selenium.webdriver.common.k ...
- python 爬虫 requests+BeautifulSoup 爬取巨潮资讯公司概况代码实例
第一次写一个算是比较完整的爬虫,自我感觉极差啊,代码low,效率差,也没有保存到本地文件或者数据库,强行使用了一波多线程导致数据顺序发生了变化... 贴在这里,引以为戒吧. # -*- coding: ...
最新文章
- PyTorch分布式训练
- 深度学习将会变革NLP中的中文分词——TODO 待好好细看
- 第25条:总是为第三方类的分类名称加前缀
- 【DIY】手把手教你 DIY 最便宜的 arduino 温湿度计,详细图文视频教程
- [转] CSS 颜色名
- 如何将单机版的Eureka服务改为集群版Eureka服务
- 牛客 128A 礼物 (组合计数)
- 把业务逻辑变成数据结构和SQL语句的例子。自然架构改成自然框架
- Ubuntu编写第一个Python程序
- 高效使用Chrome搜索精准内容
- 经验分布函数(Empirical Distribution Functions)
- 计算机应用bsp什么意思,bsp文件是什么?bsp文件怎么打开?
- 怎样写好Flutter代码
- 2020-03-03学习日结
- 144G在线网页制作html系统源码下载
- 红宝书读书笔记 第八章
- SIM卡状态字 SW1 SW2
- Android 登陆界面
- 根据物理公式在Unity中实现抛物线运动.2
- 网络安全事件应急响应实战
热门文章
- 走,去出海,一起“Copy to World” | 36氪出海行业报告
- html 转 pug 在线,pug - HTML模板引擎安装器
- 检验杜宾 瓦森检验法R语言_一分钟看完计量经济学
- glassfish基本使用
- 网易丁磊提议统一充电接口
- 微粒社会,品牌如何进行营销?
- 里氏代换原则(企鹅是不是鸟!)
- 数模论文写作方法3|问题重述
- Go语言(Golang)超时机制
- java 设计连连看_软件设计之基于Java的连连看小游戏(一)——开题及游戏首页的制作...