爬虫ajax(证监会处罚案例)

最新推荐文章于 2020-05-23 20:43:00 发布

weixin_30487201

最新推荐文章于 2020-05-23 20:43:00 发布

阅读量569

点赞数 1

文章标签：爬虫 python

原文链接：http://www.cnblogs.com/L736/p/8994564.html

版权

import requests
from bs4 import BeautifulSoup
import pandas as pd
from pandas import DataFrame
import openpyxl
import lxml

def get_url(url):
    res = requests.get(url)
    soup = BeautifulSoup(res.content, 'lxml') #出现乱码，用二进制
    return soup
A=[]
B=[]
url="http://www.csrc.gov.cn/pub/zjhpublic/3300/3313/index_7401"  #ajax渲染，要在network的response找到文件所在的url
j=0
for i in range(0,54):
    if i==0:
        URL = url+".htm"
    else:
        URL=url+"_"+str(i)+".htm"
    # print(URL)
    soup=get_url(URL)
    for item in soup.select("a"):
        # j=j+1
        # print(j)
        # print(item)
        A.append(item.get_text())
        B.append("http://www.csrc.gov.cn/pub/zjhpublic" + item["href"][5:])

# print(A)
# print(B)
data={"处罚书": A, "地址": B}
# print(data)
df=DataFrame(data)
pd.set_option('max_colwidth', 200)  #变量太长，Dateframe不能显示
print(df)
df.to_excel("处罚案例.xlsx")