记录下代码,学到哪记到哪。注释能看懂就行。
(仅包含排名和公司名称字段)
from bs4 import BeautifulSoup
import requests
import pandas as pd
def fetch_china_500(url):
# 发送GET请求获取网页内容
response = requests.get(url)
response.encoding = 'utf-8' # 设置编码为 UTF-8
# 检查响应状态码
if response.status_code == 200:
# 使用BeautifulSoup解析网页内容
soup = BeautifulSoup(response.text, 'html.parser')
# 找到包含表格的<table>标签
table = soup.find('table')
# 初始化一个空的DataFrame
df = pd.DataFrame(columns=['排名', '公司名称'])
# 如果找到了表格
if table:
# 找到表格中的tbody标签
tbody = table.find('tbody')
# 遍历每一行
for row in tbody.find_all('tr'):
# 提取每个单元格中的文本
cells = row.find_all('td')
rank = int(cells[0].text.strip())# 提取排名
company_name = cells[2].find('a',target='_blank').text.strip()# 提取公司名称
# 将提取的信息添加到DataFrame中
df = pd.concat([df, pd.DataFrame({'排名': [rank], '公司名称': [company_name]})], ignore_index=True)
# 将DataFrame保存到Excel文件中
df.to_excel('china_500.xlsx', index=False)
print("数据已保存到 china_500.xlsx 文件中")
else:
print("未找到表格")
else:
print("网页请求失败")
# 测试代码
url = 'https://www.fortunechina.com/fortune500/c/2023-07/25/content_435913.htm'
fetch_china_500(url)