python抓取百度企业信用

2023-10-18 22:10

本文主要是介绍python抓取百度企业信用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.抓取百度企业信用的企业信息(基本信息、股东信息、主要人员等)
在这里插入图片描述
2.难点分析,在于解析数据和通过一个爬虫全部解析入库,我自己用的scrapy,代码如下:

    def parse(self,response):detail_url = response.xpath("//h3/a/@href").extract()[0]# 拼接详情页urldetail_url = "https://xin.baidu.com" + detail_urltry:yield scrapy.Request(detail_url,callback=self.parse_details,dont_filter=True)except Exception as e:logger.error(e)# 详情页解析def parse_details(self, response):# 营业执照的itemitem = QccItem()try:# 法定代表人item["legal_person"] = \response.xpath("//table[@class='zx-detail-basic-table']//tr[2]/td[2]//text()").extract()[0]# print(item["legal_person"])except:item["legal_person"] = " "try:# 注册资本item["money"] = \int(response.xpath("//table[@class='zx-detail-basic-table']//tr[1]/td[2]//text()").extract()[0].strip().split("万")[0])# print(item["money"])if item["money"] == "-":item["money"] = Noneexcept:item["money"] = Nonetry:# 成立日期item["establish_date"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[6]/td[4]//text()").extract()[0].strip()if item["establish_date"] == '-' or item["establish_date"] == '正常' or item["establish_date"] == '暂无':item["establish_date"] = Noneexcept:item["establish_date"] = Nonetry:# 登记状态item["register_status"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[2]/td[4]//text()").extract()[0].strip()except:item["register_status"] = " "try:# 统一社会信用代码item["code_or_registration_no"] = \response.xpath("//table[@class='zx-detail-basic-table']//tr[4]/td[2]//text()").extract()[0].strip()except:item["code_or_registration_no"] = " "try:# 企业类型item["type"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[7]/td[2]//text()").extract()[0].strip()except:item["type"] = " "try:# 核准日期item["approval_date"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[8]/td[4]//text()").extract()[0].strip()if item["approval_date"] == "-":item["approval_date"] = Noneexcept:item["approval_date"] = Nonetry:# 登记机关item["register_organization"] = \response.xpath("//table[@class='zx-detail-basic-table']//tr[6]/td[2]//text()").extract()[0].strip()except:item["register_organization"] = " "try:# 所属区域item["area_id"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[8]/td[2]//text()").extract()[0].strip()except:item["area_id"] = " "try:# 营业期限自item["operating_period_start"] = \response.xpath("//section[@id='Cominfo']//table//tr[7]/td[4]//text()").extract()[0].strip().split("至")[0].replace(" ", "")if item["operating_period_start"] == "***":item["operating_period_start"] = Noneexcept:item["operating_period_start"] = Nonetry:# 营业期限至item["operating_period_end"] = \response.xpath("//table[@class='zx-detail-basic-table']//tr[7]/td[4]//text()").extract()[0].strip().split("至")[1].replace(" ", "")if item["operating_period_end"] == "无固定期限":item["operating_period_end"] = Noneexcept:item["operating_period_end"] = Nonetry:# 住所item["address"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[9]/td[2]//text()").extract()[0].strip().split("查")[0]except:item["address"] = " "try:# 经营范围item["business_scope"] = response.xpath("//table[@class='zx-detail-basic-table']//tr[10]/td[2]//text()").extract()[0].strip()except:item["business_scope"] = " "item["name"] = response.xpath("//span[@class='entName']//text()").extract()[0]# 注册资本(币种)item["money_currency"] = None# 经营者item["business_ower"] = None# 组成形式item["establish_form"] = None# 创建时间item["create_date"] = time.strftime('%Y-%m-%d', time.localtime(time.time()))# 修改时间item["update_date"] = time.strftime('%Y-%m-%d', time.localtime(time.time()))# 空置率item['empty_ratio'] = None# 注销日期item["logout_date"] = None# 吊销日期item["revoke_date"] = None# 注册日期item["register_date"] = None# 数据当前状态item["data_status"] = 1# print(item)yield item在这里插入代码片

3.和企查查的类似,通过企业获取到企业id,然后去爬取。
4.部署完爬虫项目,每天的数据量,大概20万左右。
5.希望大家一起学习进步。qq:763073105

这篇关于python抓取百度企业信用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/235412

相关文章

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

python使用fastapi实现多语言国际化的操作指南

《python使用fastapi实现多语言国际化的操作指南》本文介绍了使用Python和FastAPI实现多语言国际化的操作指南,包括多语言架构技术栈、翻译管理、前端本地化、语言切换机制以及常见陷阱和... 目录多语言国际化实现指南项目多语言架构技术栈目录结构翻译工作流1. 翻译数据存储2. 翻译生成脚本

如何通过Python实现一个消息队列

《如何通过Python实现一个消息队列》这篇文章主要为大家详细介绍了如何通过Python实现一个简单的消息队列,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录如何通过 python 实现消息队列如何把 http 请求放在队列中执行1. 使用 queue.Queue 和 reque

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

使用Python快速实现链接转word文档

《使用Python快速实现链接转word文档》这篇文章主要为大家详细介绍了如何使用Python快速实现链接转word文档功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 演示代码展示from newspaper import Articlefrom docx import

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相

Python安装时常见报错以及解决方案

《Python安装时常见报错以及解决方案》:本文主要介绍在安装Python、配置环境变量、使用pip以及运行Python脚本时常见的错误及其解决方案,文中介绍的非常详细,需要的朋友可以参考下... 目录一、安装 python 时常见报错及解决方案(一)安装包下载失败(二)权限不足二、配置环境变量时常见报错及

Python中顺序结构和循环结构示例代码

《Python中顺序结构和循环结构示例代码》:本文主要介绍Python中的条件语句和循环语句,条件语句用于根据条件执行不同的代码块,循环语句用于重复执行一段代码,文章还详细说明了range函数的使... 目录一、条件语句(1)条件语句的定义(2)条件语句的语法(a)单分支 if(b)双分支 if-else(