发布：2023/12/7 16:08:15作者：管理员 来源：本站 浏览次数：655

首先我们需要准备这些

环境使用

   Python 3.8Pycharm

模块使用

   requests --> pip install requestsexecjs --> pip install PyExecJSjson

爬虫基本流程思路

一. 数据来源分析

1. 明确需求: 明确采集的网站以及数据内容

   网址: https://jzsc.mohurd.gov.cn/data/company 数据: 企业信息

2. 抓包分析: 通过浏览器去分析, 我们需要数据具体在那个链接中

- 静态网页: 刷新网页查看数据包内

- 动态网页: 点击到下一页数据内容 / 下滑到下一页的数据内容

* 打开开发者工具: F12

* 点击第二页数据内容

加密数据: https://jzsc.mohurd.gov.cn/APi/webApi/dataservice/query/comp/list?pg=1&pgsz=15&total=450

二. 代码实现步骤

1. 发送请求 -> 模拟浏览器对于url地址发送请求 url地址: 通过抓包分析找到链接地址

2. 获取数据 -> 获取服务器返回响应数据 开发者工具: response 响应

3. 解析数据 -> 获取加密数据内容

4. 保存数据 -> 通过解密, 还原明文数据 保存表格文件中

爬虫部分代码

# 导入数据请求模块

import requests

# 导入模块

import execjs

# 导入json模块

import json

# 导入csv模块

import csv

# 创建文件对象

csv_file = open('data.csv', mode='w', encoding='utf-8', newline='')

csv_writer = csv.DictWriter(csv_file, fieldnames=[

   '企业名称',

   '统一社会信用代码',

   '法人',

   '注册属地省份',

   '注册属地城市',

])

csv_writer.writeheader()

# 模拟浏览器

headers = {

   'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36'

}

for page in range(30):

   # 请求链接

   url = f'https://jzsc.mohurd.gov.cn/APi/webApi/dataservice/query/comp/list?pg={page}&pgsz=15&total=450'

   # 发送请求 关键字传参, 指定参数传入到那个位置

   response = requests.get(url=url, headers=headers)

   # 2. 获取响应数据 --> 加密数据

   data = response.text

   # 3. 解密数据 -> 把密文转成明文 通过python代码调用JS代码

   f = open('建筑平台.js', mode='r', encoding='utf-8').read()

   # 编译js文件

   js_code = execjs.compile(f)

   # 调用js代码的函数 data->密文数据

   result = js_code.call('m', data)

   # 把json字符串数据, 转成json字典数据

   json_data = json.loads(result)

   # for 循环遍历

   for index in json_data['data']['list']:

       try:

           info = index['QY_REGION_NAME'].split('-')

           if len(info) == 2:

               area_1 = info[0]  # 省份

               area_2 = info[1]  # 城市

           else:

               area_1 = info[0]  # 省份

               area_2 = '未知'

           dit = {

               '企业名称': index['QY_NAME'],

               '统一社会信用代码': index['QY_ORG_CODE'],

               '法人': index['QY_FR_NAME'],

               '注册属地省份': area_1,

               '注册属地城市': area_2,

           }

           csv_writer.writerow(dit)

           print(dit)

       except:

           pass

可视化部分代码

import pandas as pd

from pyecharts import options as opts # 配置项

from pyecharts.charts import Pie # 导入饼图

# 读取文件

df = pd.read_csv('data.csv')

print(df.head())

info = df['注册属地省份'].value_counts().index.to_list() # 数据类目

num = df['注册属地省份'].value_counts().to_list() # 数据数量

print(info)

print(num)

c = (

   Pie()

   .add(

       "",

       [list(z) for z in zip(info,num,)],

       center=["40%", "50%"],

   )

   .set_global_opts(

       # 设置标题

       title_opts=opts.TitleOpts(title="注册省份占比分布"),

       legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),

   )

   .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

   # 保存html文件

   .render("注册省份占比分布.html")

)

JS解密

const CryptoJS = require('crypto-js')

function b(t) {

   var e = CryptoJS.enc.Hex.parse(t)

       , n = CryptoJS.enc.Base64.stringify(e)

       , a = CryptoJS.AES.decrypt(n, f, {

       iv: m,

       mode: CryptoJS.mode.CBC,

       padding: CryptoJS.pad.Pkcs7

   })

       , r = a.toString(CryptoJS.enc.Utf8);

   return r.toString()

}

var f = CryptoJS.enc.Utf8.parse("jo8j9wGw%6HbxfFn")

var m = CryptoJS.enc.Utf8.parse("0123456789ABCDEF");

data = '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'

console.log(b(data))