爬虫获取信用代码

最新推荐文章于 2024-07-10 11:05:52 发布

公众号财富梦想世界

最新推荐文章于 2024-07-10 11:05:52 发布

阅读量1k

点赞数

分类专栏： python 文章标签：爬虫数据库 sql

本文链接：https://blog.csdn.net/qq_43172333/article/details/127548749

版权

python 专栏收录该内容

14 篇文章 0 订阅

订阅专栏

首先建表

CREATE TABLE `base_company` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',
  `company_id` int(11) unsigned DEFAULT NULL COMMENT '公司',
  `country_id` int(11) unsigned DEFAULT NULL COMMENT '国家',
  `company` varchar(255) DEFAULT NULL COMMENT '公司名称',
  `company_code` varchar(255) DEFAULT NULL COMMENT '公司社会信用代码',
  `apply_date` date DEFAULT '2001-01-01' COMMENT '默认''2001-01-01''',
  `abort_apply_date` date DEFAULT '2001-01-01' COMMENT '默认''2001-01-01''',
  PRIMARY KEY (`id`) USING BTREE,
  UNIQUE KEY `company` (`company`)
) ENGINE=InnoDB AUTO_INCREMENT=133 DEFAULT CHARSET=utf8 ROW_FORMAT=COMPACT COMMENT='公司代码表';

pymysql操作数据库

import pymysql

from config.mysqlconfig import *
from config.import sql_cfg


s = sql_ac()

def sql_database(sql,datainfo=s):
    """
    #数据库连接和执行sql语句
    :param sql: 需要执行的sql语句
    :param datainfo: 数据库连接信息 host、user、password、port、database
    :return: 只有sql是查询语句的时候才会return查询出来的结果数据
    """
    # print(datainfo)  #查看连接信息
    conn = pymysql.connect(host=datainfo['host'],user=datainfo['user'],password=datainfo['pwd'],port=datainfo['port'],database=datainfo['database'],charset='utf8')
    cur = conn.cursor() #创建游标
    #执行sql ---确定是什么sql --是查询还是删除还是修改还是插入
    sql = sql.lower()   #将字符串中所有字母都转换成小写
    if sql.startswith('select') == True:    #判断sql是否是查询操作
        # print('执行查询操作！')
        try:
            cur.execute(sql)
            data = cur.fetchall()  #获取查询出来的数据
            return data
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
    elif sql.startswith('delete') == True:  #判断sql是否是删除操作
        print('执行删除操作！')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('执行删除操作成功')
    elif sql.startswith('update') == True:  #判断sql是否是修改数据操作
        print('执行修改数据操作')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('数据修改成功')
    elif sql.startswith('insert') == True:  #判断sql是否是插入数据操作
        print('执行插入数据操作')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('数据插入成功')
    conn.commit()#使用pymysql操作数据库时，增删改与查询是有区别的，在增删改操作时一定要记得conn.commit()，提交当前事务。
    cur.close() #关闭游标
    conn.close()#关闭数据库连接

#本地环境数据库
s1 = sql_accsit()
def sql_databasesit(sql, datainfo=s1):
    """
    #数据库连接和执行sql语句
    :param sql: 需要执行的sql语句
    :param datainfo: 数据库连接信息 host、user、password、port、database
    :return: 只有sql是查询语句的时候才会return查询出来的结果数据
    """
    print(datainfo)
    conn = pymysql.connect(host=datainfo['host'], user=datainfo['user'], password=datainfo['pwd'],
                           port=datainfo['port'], database=datainfo['database'], charset='utf8')
    cur = conn.cursor()  # 创建游标
    # 执行sql ---确定是什么sql --是查询还是删除还是修改还是插入
    sql = sql.lower()  # 将字符串中所有字母都转换成小写
    if sql.startswith('select') == True:  # 判断sql是否是查询操作
        print('执行查询操作！')
        try:
            cur.execute(sql)
            data = cur.fetchall()  # 获取查询出来的数据
            return data
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
    elif sql.startswith('delete') == True:  # 判断sql是否是删除操作
        print('执行删除操作！')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('执行删除操作成功')
    elif sql.startswith('update') == True:  # 判断sql是否是修改数据操作
        print('执行修改数据操作')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('数据修改成功')
    elif sql.startswith('insert') == True:  # 判断sql是否是插入数据操作
        print('执行插入数据操作')
        try:
            cur.execute(sql)
        except Exception as e:
            print('你的sql出错了：{}'.format(e))
        else:
            print('数据插入成功')
    conn.commit()  # 使用pymysql操作数据库时，增删改与查询是有区别的，在增删改操作时一定要记得conn.commit()，提交当前事务。
    cur.close()  # 关闭游标
    conn.close()  # 关闭数据库连接

代码如下

import re
import time

import requests
import selenium.webdriver.chrome
from selenium.webdriver.common.by import By

from account.config.ac_config.mysqlconfig import *
from account.common.acpymysql import *
s=sql_sit()
from faker import Faker
#初始化，设置locale为中文；默认是英文
fake = Faker(locale = 'zh_CN')

city=fake.city()
# url="https://www.tianyancha.com/search?key=%E6%B9%96%E5%8D%97%E4%BA%92%E8%81%94%E7%BD%91&sessionNo=1658236710.92335029"
url='https://www.tianyancha.com/search?key={}互联网&sessionNo=1666322342.06145143&pageNum=4'.format(city)
header={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3883.400 QQBrowser/10.8.4559.400',
}
resp=requests.get(url,headers=header,verify=True)
page_content=resp.text
obj=re.compile(r'<div class="index_name__qEdWi">.*?<span><em>(?P<name>.*?)</span>',re.S)
# obj=re.compile(r'<div class="index_name__qEdWi">.*?<span><em>(?P<name>.*?)</em>(?P<sname>.*?)<em>(?P<hname>.*?)</em>(?P<cname>.*?)</span>',re.S)
result=obj.finditer(page_content)
listcom=[]
for it in result:
    # print(it.group("name"))
    name=it.group('name')
    # print(
    #     str(name.split('</em>')).split('<em>')
    # )
    # print(it.group("name")+it.group("sname")+it.group("hname")+it.group("cname"))
    # print(str(name.split('</em>')).split('<em>'))
    res = re.findall('[\u4e00-\u9fa5]', name)  #u4e00-u9fa5 (中文)      u0800-u4e00 (日文)      uac00-ud7ff（韩文）
    # print(res)
    a=''.join(res)

    # print(''.join(res))
    print(a)
    listcom.append(a)

# 获取表最大的id,插入数据库需要id
print(listcom)
print(len(listcom))
sqlmaxid='SELECT MAX(id) FROM base_company;'
# 假如没有数据，先插入一条数据
try:
    k=int(sql_database(sqlmaxid,s)[0][0])
    print(k)
except:
    sqlinsetid="INSERT INTO base_company (id,company) VALUES (1,'武汉市友奇人力资源有限公司');"
    print(sqlinsetid)
    sql_database(sqlinsetid, datainfo=s)

try:
    # 把获取到的公司名称插入到数据库
    for i in range(len(listcom)):
        i += 1
        k += 1
        print(i)
        sql = 'insert into base_company (id,company)values({},\'{}\') '.format(k, listcom[i - 1])  # 加入引号插入数据库
        print(sql)
        sql_database(sql, datainfo=s)
except:
    print('插入数据库报错了')



#通过公司名称查询公司，获取到信用代码

url_tyc='https://www.tianyancha.com/'

header={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3883.400 QQBrowser/10.8.4559.400',
}

sqlc='SELECT company  from base_company WHERE company_code is NULL;'
company=list(sql_database(sqlc,s))


print('公司一共有{}'.format(company))

def companycodedef(companyname):
    driver = selenium.webdriver.Chrome()
    driver.get(url_tyc)
    driver.maximize_window()
    # driver.set_window_size('10','1')
    driver.implicitly_wait(30)

    driver.find_element(By.CSS_SELECTOR,'#page-container > div:nth-child(1)> div > div.container.text-center > div:nth-child(2)> div:nth-child(2)> div > input').send_keys(companyname)
    driver.find_element(By.CSS_SELECTOR,
                        '#page-container > div:nth-child(1)> div > div.container.text-center > div:nth-child(2)> div:nth-child(2)> button > span').click()
    driver.find_element(By.XPATH,
                        '/html/body/div[1]/div[2]/div/div[2]/section/main/div[2]/div[2]/div[1]/div/div[2]/div[2]/div[1]/div[1]/a/span/em').click()
    hd = driver.window_handles  # 获取当前浏览器上的所有句柄
    driver.switch_to.window(hd[-1])

    page = driver.page_source
    # ","taxNumber":"  ","regCapitalCurrency":"人民币"
    obj = re.compile(r'"creditCode":"(?P<name>.*?)","fromTime":', re.S)
    result = obj.finditer(page)
    time.sleep(4)

    # print(page)
    print(result)
    for it in result:
        # print(it.group("name"))
        name = it.group('name')
        print(name)
        name=name.upper()
        # 'UPDATE base_company SET company_code=123 WHERE company='宜昌市瀚益投资开发有限公司'; '
        sql = "UPDATE base_company SET company_code='{}' WHERE company='{}'; ".format(name, companyname)  # 加入引号插入数据库
        print(sql)
        sql_database(sql, datainfo=s)
        # res = re.findall(name)
        # print(res)
    # print(resp.text)
    driver.quit()


try:

    # 把所有公司都去拉取信用代码
    print(company)
    lista=[]
    for i in range(len(company)):
        popc=company.pop(0)
        print(popc)
        companyname=list(popc)[0]
        companycodedef(companyname)
        lista.append(list(popc))
    print(lista)


except:
    print('报错了，可能公司数据数据为None') #把公司为null或者错误数据删除
    sqldel="delete from base_company WHERE company not  LIKE '%公司%' OR company is NULL;"
    print(sqldel)
    sql_database(sqldel, datainfo=s)


# 社会信用代码为空
# def