利用selenium爬取企查查企业信息

根据excel中的企业列表数据爬取对应的营业范围信息,并写入excel文件。

from selenium import webdriver
from selenium.webdriver.chrome.service import Service  # 新增
from selenium.webdriver.common.by import By
from selenium.webdriver import Chrome, ChromeOptions
import openpyxl as op
from selenium.webdriver import *
import time
from openpyxl import load_workbook

# 声明调用哪个浏览器,本文使用的是Chrome,其他浏览器同理
#没有把Chromedriver放到python安装路径
service = Service(executable_path=r'C:\Users\Administrator\Desktop\chromedriver.exe')
driver = webdriver.Chrome(service=service)
#爬取网址
url = "https://www.qcc.com"

driver.get(url)
driver.page_source
print("已打开浏览器")
driver.implicitly_wait(60)
print("等待加载完成")
#30s的时间用来在网站打开时手动登陆
time.sleep(30)
print('开始主程序')
time_start = time.time()

#获取公司名称
wb = op.load_workbook(r'C:\Users\Administrator\Desktop\XXXXX.xlsx')
ws = wb['Sheet1']
m_row = ws.max_row
print('一共' + str(m_row) + '个公司需要爬取')
j = 0
for i in range(m_row):
    try:
        company_name = ws.cell(i+1, 1).value

        # 搜索框输入
        driver.find_elements(By.ID, "searchKey")[0].clear()
        driver.find_elements(By.ID, "searchKey")[0].send_keys(company_name)
        #模拟输入回车按键
        from selenium.webdriver.common.keys import Keys
        driver.find_elements(By.CLASS_NAME, "input-group-btn")[0].click()
        driver.implicitly_wait(10)
        time.sleep(2)
        # 获取主窗口
        main_window = driver.current_window_handle
        #点击【公司名称】
        company_title = driver.find_element(By.CLASS_NAME, "copy-value")
        company_title.click()
        #关闭旧窗口
        driver.close()
        # 切换到新窗口
        for window in driver.window_handles:
            if window != main_window:
                driver.switch_to.window(window)
                break
        time.sleep(2)
        spyder_text = driver.find_elements(By.CLASS_NAME, "copy-value")[-1].text
        print(spyder_text)
        ws.cell(i+3, 3).value = spyder_text
        print('第' + str(i+1) + '个爬取完成,还剩' + str(m_row-i) + '个')
    except Exception as e:
        j = j + 1
        print('报错')
        ws.cell(i + 1, 3).value = '报错'
        continue

wb.save(r'C:\Users\Administrator\Desktop\南京API展会企业名单_爬取完成.xlsx')
time_end = time.time()
print('全部爬取并写入完成,失败个数:' + str(j) + ' 总用时' + str('%.2f'%(time_end-time_start)) + '秒')

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值