python3爬取巨潮資訊網(wǎng)的年報(bào)數(shù)據(jù)

需要用到的庫:

import requests               
import random                  #隨機(jī)生成爬蟲休眠時(shí)間
import time

前期準(zhǔn)備:

巨潮資訊網(wǎng)有反爬蟲機(jī)制倔丈,所以先打開巨潮資訊網(wǎng)的年報(bào)板塊郊酒,看看有什么解決辦法。
巨潮咨詢年報(bào)板塊


網(wǎng)頁向服務(wù)器發(fā)送的數(shù)據(jù)請(qǐng)求

可以通過這樣的方式獲取單頁年報(bào)的數(shù)據(jù)嗓奢,數(shù)據(jù)格式為json讼撒。其中包括年報(bào)名稱,地址等數(shù)據(jù)股耽。
所以思路就是根盒,先通過單頁的數(shù)據(jù),然后在對(duì)每頁中的年報(bào)數(shù)據(jù)進(jìn)行下載物蝙。

完整代碼:

import requests
import random
import time

download_path= 'http://static.cninfo.com.cn/'
saving_path= 'E://2018年報(bào)sz'

User_Agent= [
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
        "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
        "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
        "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0"
    ]                                #User_Agent的集合



headers= {'Accept': 'application/json, text/javascript, */*; q=0.01',
           "Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
            "Accept-Encoding": "gzip, deflate",
           "Accept-Language": "zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7,zh-HK;q=0.6,zh-TW;q=0.5",
          'Host': 'www.cninfo.com.cn',
           'Origin': 'http://www.cninfo.com.cn',
           'Referer': 'http://www.cninfo.com.cn/new/commonUrl?url=disclosure/list/notice',
            'X-Requested-With': 'XMLHttpRequest'
          }


def single_page(page):
    query_path= 'http://www.cninfo.com.cn/new/hisAnnouncement/query'
    headers['User-Agent']= random.choice(User_Agent)      #定義User_Agent
    query= {'pageNum': page,                            #頁碼
            'pageSize': 30,                                    
            'tabName': 'fulltext',
            'column': 'szse',                                    #深交所
            'stock': '',
            'searchkey': '',
            'secid': '',
            'plate': 'sz',
            'category': 'category_ndbg_szsh;',     #年度報(bào)告
            'trade': '',
            'seDate': '2000-01-01+~+2019-04-26'     #時(shí)間區(qū)間
            }

    namelist= requests.post(query_path,headers = headers,data = query)
    print(page, '*********')
    return namelist.json()['announcements']        #json中的年度報(bào)告信息


def saving(single_page):          #下載年報(bào)
    headers= {'Accept': 'application/json, text/javascript, */*; q=0.01',
               "Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
               "Accept-Encoding": "gzip, deflate",
               "Accept-Language": "zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7,zh-HK;q=0.6,zh-TW;q=0.5",
               'Host': 'www.cninfo.com.cn',
               'Origin': 'http://www.cninfo.com.cn'
               }

    for i in single_page:
        if i['announcementTitle']== '2018年年度報(bào)告(更新后)' or i['announcementTitle']== '2018年年度報(bào)告':
            download= download_path+ i["adjunctUrl"]
            name= i["secCode"]+ '_' + i['secName']+ '_' + i['announcementTitle']+ '.pdf'
            if '*' in name:
                name= name.replace('*','')
            file_path= saving_path+ '//' + name
            time.sleep(random.random()* 2)
            headers['User-Agent']= random.choice(User_Agent)
            r= requests.get(download,headers = headers)
            f= open(file_path, "wb")
            f.write(r.content)
            f.close()
            print(name)
        else:
            continue

def spy_save(page):
  try:
            page_data = single_page(page)
  except:
            print(page,'page error, retrying')
            try:
                page_data= single_page(page)
                except:
                    print(page,'page error')
  saving(page_data )

后續(xù)還可以通過使用代理炎滞,使用多進(jìn)程來 提高爬取效率以及減少被反爬蟲封禁的可能。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末诬乞,一起剝皮案震驚了整個(gè)濱河市厂榛,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌丽惭,老刑警劉巖击奶,帶你破解...
    沈念sama閱讀 211,817評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異责掏,居然都是意外死亡柜砾,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門换衬,熙熙樓的掌柜王于貴愁眉苦臉地迎上來痰驱,“玉大人,你說我怎么就攤上這事瞳浦〉S常” “怎么了?”我有些...
    開封第一講書人閱讀 157,354評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵叫潦,是天一觀的道長蝇完。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么短蜕? 我笑而不...
    開封第一講書人閱讀 56,498評(píng)論 1 284
  • 正文 為了忘掉前任氢架,我火速辦了婚禮,結(jié)果婚禮上朋魔,老公的妹妹穿的比我還像新娘岖研。我一直安慰自己,他們只是感情好警检,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,600評(píng)論 6 386
  • 文/花漫 我一把揭開白布孙援。 她就那樣靜靜地躺著,像睡著了一般扇雕。 火紅的嫁衣襯著肌膚如雪拓售。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,829評(píng)論 1 290
  • 那天洼裤,我揣著相機(jī)與錄音邻辉,去河邊找鬼溪王。 笑死腮鞍,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的莹菱。 我是一名探鬼主播移国,決...
    沈念sama閱讀 38,979評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼道伟!你這毒婦竟也來了迹缀?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,722評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤蜜徽,失蹤者是張志新(化名)和其女友劉穎祝懂,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體拘鞋,經(jīng)...
    沈念sama閱讀 44,189評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡砚蓬,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,519評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了盆色。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片灰蛙。...
    茶點(diǎn)故事閱讀 38,654評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖隔躲,靈堂內(nèi)的尸體忽然破棺而出摩梧,到底是詐尸還是另有隱情,我是刑警寧澤宣旱,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布仅父,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏驾霜。R本人自食惡果不足惜案训,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,940評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望粪糙。 院中可真熱鬧强霎,春花似錦、人聲如沸蓉冈。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽寞酿。三九已至家夺,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間伐弹,已是汗流浹背拉馋。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評(píng)論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留惨好,地道東北人煌茴。 一個(gè)月前我還...
    沈念sama閱讀 46,382評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像日川,于是被迫代替她去往敵國和親蔓腐。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,543評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容