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

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

Python设置Cookie永不超时的详细指南

《Python设置Cookie永不超时的详细指南》Cookie是一种存储在用户浏览器中的小型数据片段,用于记录用户的登录状态、偏好设置等信息,下面小编就来和大家详细讲讲Python如何设置Cookie... 目录一、Cookie的作用与重要性二、Cookie过期的原因三、实现Cookie永不超时的方法(一)

Python内置函数之classmethod函数使用详解

《Python内置函数之classmethod函数使用详解》:本文主要介绍Python内置函数之classmethod函数使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 类方法定义与基本语法2. 类方法 vs 实例方法 vs 静态方法3. 核心特性与用法(1编程客

Python函数作用域示例详解

《Python函数作用域示例详解》本文介绍了Python中的LEGB作用域规则,详细解析了变量查找的四个层级,通过具体代码示例,展示了各层级的变量访问规则和特性,对python函数作用域相关知识感兴趣... 目录一、LEGB 规则二、作用域实例2.1 局部作用域(Local)2.2 闭包作用域(Enclos

Python实现对阿里云OSS对象存储的操作详解

《Python实现对阿里云OSS对象存储的操作详解》这篇文章主要为大家详细介绍了Python实现对阿里云OSS对象存储的操作相关知识,包括连接,上传,下载,列举等功能,感兴趣的小伙伴可以了解下... 目录一、直接使用代码二、详细使用1. 环境准备2. 初始化配置3. bucket配置创建4. 文件上传到os

使用Python实现可恢复式多线程下载器

《使用Python实现可恢复式多线程下载器》在数字时代,大文件下载已成为日常操作,本文将手把手教你用Python打造专业级下载器,实现断点续传,多线程加速,速度限制等功能,感兴趣的小伙伴可以了解下... 目录一、智能续传:从崩溃边缘抢救进度二、多线程加速:榨干网络带宽三、速度控制:做网络的好邻居四、终端交互

Python中注释使用方法举例详解

《Python中注释使用方法举例详解》在Python编程语言中注释是必不可少的一部分,它有助于提高代码的可读性和维护性,:本文主要介绍Python中注释使用方法的相关资料,需要的朋友可以参考下... 目录一、前言二、什么是注释?示例:三、单行注释语法:以 China编程# 开头,后面的内容为注释内容示例:示例:四