【Python實戰(zhàn)】爬取國家社科基金項目數(shù)據(jù)

mountain-6320288_1920.jpg

這次爬取的國家社科基金項目數(shù)據(jù)用到的包和上次的【Python實戰(zhàn)】1997-2019年教育統(tǒng)計數(shù)據(jù)爬取并導出excel
差不多例衍,都用到了pandas.read_html昔期,而且比之前的爬取要簡單已卸。

爬取網(wǎng)站為:fz.people.com.cn/skygb/sk/index.php/index/index/

國家社科基金項目數(shù)據(jù)庫.png

具體代碼:

import pandas as pd
from urllib import request
import time,random,re,os
import urllib.request
from lxml import etree
from pandas.core.frame import DataFrame
import datetime

# 隨機獲取headers
def getheaders():
    user_agent_list = [ \
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1" \
        "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11", \
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6", \
        "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6", \
        "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1", \
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5", \
        "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5", \
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
        "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3", \
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24", \
        "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24", \
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.106 Safari/537.36"
    ]
    UserAgent = random.choice(user_agent_list)
    header = {'User-Agent':UserAgent}
    return header

# 獲取頁面html
def get_page(url):
    headers = getheaders()
    # 嘗試,有時候連接不成功硼一,就多試幾次累澡,避免中途中斷
    attempts = 0
    success = False
    while attempts < 10 and not success:
        try:
            req = urllib.request.Request(url = url, headers = headers)
            html = urllib.request.urlopen(req).read().decode('utf_8')
            success = True
        except:
            attempts += 1
            if attempts == 10:
                break
    # time.sleep(random.random()*0.1)
    return html

# 獲得每個頁面的df
def get_df(url):
    html = get_page(url)
    df = pd.read_html(html)[2]
    return df

# 獲取所有頁面數(shù)量
def get_page_num(yeeurl):
    html = get_page(url)
    selector = etree.HTML(html)
    pagenums = selector.xpath('/html/body/div[3]/div/a[12]/@data-ci-pagination-page')[0]
    # print(pagenums)
    return int(pagenums)

if __name__ == '__main__':
    columnnames = ['項目批準號', '項目類別', '學科分類', '項目名稱', '立項時間', '項目負責人', '專業(yè)職務', '工作單位', '單位類別', '所在省區(qū)市', '所屬系統(tǒng)', '成果名稱', '成果形式', '成果等級', '結項時間', '結項證書號', '出版社', '出版時間', '作者', '獲獎情況']
    df = DataFrame(columns = columnnames)

    for i in range(1991, 2021):
        print('****第{}年****'.format(i))
        url = 'http://fz.people.com.cn/skygb/sk/index.php/index/seach/?pznum=&xmtype=0&xktype=0&xmname=&lxtime=' + str(i) + '&xmleader=&zyzw=0&gzdw=&dwtype=0&szdq=0&ssxt=0&cgname=&cgxs=0&cglevel=0&jxdata=0&jxnum=&cbs=&cbdate=0&zz=&hj='
        if i == 1995:
            pagenums = 9
        else:
            pagenums = get_page_num(url)
        print('**共{}頁**'.format(pagenums))
        for n in range(1, pagenums + 1):
            new_url = 'http://fz.people.com.cn/skygb/sk/index.php/index/seach/' + str(n) + '?pznum=&xmtype=0&xktype=0&xmname=&lxtime=' + str(i) + '&xmleader=&zyzw=0&gzdw=&dwtype=0&szdq=0&ssxt=0&cgname=&cgxs=0&cglevel=0&jxdata=0&jxnum=&cbs=&cbdate=0&zz=&hj='
            print(new_url)
            newdf = get_df(new_url)
            df = df.append(newdf, ignore_index=True)
            print('---第{}頁已獲取---'.format(n))

    df.to_excel('sheke_fund_1028.xlsx', index = 0)

最后用時差不多30分鐘,獲得的excel數(shù)據(jù)如下:

結果.png

GZ號:amazingdata (數(shù)據(jù)格子鋪)
后臺回復:國家社科般贼,可下載excel數(shù)據(jù)

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末愧哟,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子哼蛆,更是在濱河造成了極大的恐慌蕊梧,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件腮介,死亡現(xiàn)場離奇詭異肥矢,居然都是意外死亡,警方通過查閱死者的電腦和手機叠洗,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進店門甘改,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人灭抑,你說我怎么就攤上這事十艾。” “怎么了腾节?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵疟羹,是天一觀的道長。 經(jīng)常有香客問我禀倔,道長,這世上最難降的妖魔是什么参淫? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任救湖,我火速辦了婚禮,結果婚禮上涎才,老公的妹妹穿的比我還像新娘鞋既。我一直安慰自己,他們只是感情好耍铜,可當我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布邑闺。 她就那樣靜靜地躺著,像睡著了一般棕兼。 火紅的嫁衣襯著肌膚如雪陡舅。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天伴挚,我揣著相機與錄音靶衍,去河邊找鬼灾炭。 笑死,一個胖子當著我的面吹牛颅眶,可吹牛的內容都是我干的蜈出。 我是一名探鬼主播,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼涛酗,長吁一口氣:“原來是場噩夢啊……” “哼铡原!你這毒婦竟也來了?” 一聲冷哼從身側響起商叹,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤燕刻,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后沈自,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體酌儒,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年枯途,在試婚紗的時候發(fā)現(xiàn)自己被綠了忌怎。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡酪夷,死狀恐怖榴啸,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情晚岭,我是刑警寧澤鸥印,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站坦报,受9級特大地震影響库说,放射性物質發(fā)生泄漏。R本人自食惡果不足惜片择,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一潜的、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧字管,春花似錦啰挪、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至硫戈,卻和暖如春锰什,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工歇由, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留卵牍,地道東北人。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓沦泌,卻偏偏與公主長得像糊昙,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子谢谦,可洞房花燭夜當晚...
    茶點故事閱讀 44,577評論 2 353