本文详细介绍了如何使用stata13抓取中国统计信息网前50页、共1000个地区的GDP数据。通过观察网页链接规律，使用forvalues循环语句抓取页面，并提取公报链接，最终实现批量处理。第一轮抓取50个页面，第二轮抓取1000个公报信息，整个过程涉及网页源代码分析、链接提取和批处理文件的使用。
*案例：抓取 http://www.tjcn.org 中国统计信息网上前50页(每页包含20个市的数据)的1000个地区的GDP数据。使用stata版本为 stata13，与12版本和14版本都不兼容。本文do-file及相关文件 链接：https://pan.baidu.com/s/1smVkcUh 密码：40uq
初学stata爬虫，见网络上还未有详细的案例，此类培训费用也较高，特分享此篇案例，仅为个人经验的总结，与诸君共享。学无止境，相信还有更好的处理命令和方法，欢迎指教。
首先对于网页的数据结构有一定的要求，要求数据在网页中排布的规律性较强，方便进行抓取，如案例网站中，每个地区就是一份公报，每份公报的格式大同小异，基本开篇都有GDP数据，还比较规律。因此就用此网站作为案例尝试：Tips：杂乱无章的网页也不是不能处理，只是处理起来难度较大而已，只要掌握了基本原理，再去处理复杂网页数据相信也不是什么难事。
各地区统计公报
点击进入次级页面后，每个地区公报基本都是相同格式，开篇就有GDP数据
/*先观察网站上公报每一页对应的网址链接变化规律&
最低0.47元/天 解锁文章
扫一扫
1536
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
