溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹用Python爬蟲獲取百度企業信用中企業基本信息的方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！
一、背景
希望根據企業名稱查詢其經緯度，所在的省份、城市等信息。直接將企業名稱傳給百度地圖提供的API，得到的經緯度是非常不準確的，因此希望獲取企業完整的地理位置，這樣傳給API后結果會更加準確。
百度企業信用提供了企業基本信息查詢的功能。希望通過Python爬蟲獲取企業基本信息。目前已基本實現了這一需求。
本文最后會提供具體的代碼。代碼僅供學習參考，希望不要惡意爬取數據！
二、分析
以蘇寧為例。輸入“江蘇蘇寧”后，查詢結果如下：
經過分析，這里列示的企業信息是用JavaScript動態生成的。服務器最初傳過來的未經渲染的HTML如下：
注意其中標注出來的JS代碼。有意思的是，企業基本信息都可以直接從這段JS代碼中獲取，無需構造復雜的參數。
這是進一步查看的結果，注意那個“resultList”，后面存放的就是頁面中的企業信息。顯然，利用正則表達式提取需要的字符串，轉換成JSON就可以了。
三、源碼
以下代碼為查詢某個企業的基本信息提供了API：
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# @Author: Wild Orange
# @Email: jixuanfan_seu@163.com
# @Date: 2020-06-19 22:38:14
# @Last Modified time: 2020-07-01 17:33:13
import requests
import re
import json
headers={'User-Agent': 'Chrome/76.0.3809.132'}
#正則表達式提取數據
re_get_js=re.compile(r'<script>([\s\S]*?)</script>')
re_resultList=re.compile(r'"resultList":(\[{.+?}\]}])')
def Get_company_info(name):
'''
@func: 通過百度企業信用查詢企業基本信息
'''
url='https://xin.baidu.com/s?q=%s'%name
res=requests.get(url,headers=headers)
if res.status_code==200:
html=res.text
retVal=_parse_baidu_company_info(html)
return retVal
else:
print('無法獲取%s的企業信息'%name)
def _parse_baidu_company_info(html):
'''
@function：解析百度企業信用提供的企業基本信息
@output: list of dict, [{},{},...]
pid: 跳轉到具體企業頁面的參數
bid: 具體企業頁面URL中的參數
name: 企業名稱
type: 企業類型
date: 成立日期
address: 地址
person: 法人代表
status: 存續狀態
regCap: 注冊資本
scope: 經營范圍
'''
js=re_get_js.findall(html)[1]
data=re_resultList.search(js)
if not data:
return
compant_list=json.loads(data.group(1))
retVal=[]
for x in compant_list:
regCap=x['regCap'].replace(',','')
if regCap[-1]=='萬':
regCap=regCap[:-1]
regCap=float(regCap)
address=x['domicile'].replace('<em>','').replace('</em>','')
temp_v={'pid':x['pid'],'bid':x['bid'],'name':x['titleName'],'type':x['entType'],'date':x['validityFrom'],\
'address':address,'person':x['legalPerson'],'status':x['openStatus'],'regCap':regCap,\
'scope':x['scope']}
retVal.append(temp_v)
return retVal四、使用方法
直接將需要查詢的企業名稱傳入Get_company_info：
res=Get_company_info('江蘇蘇寧')
print(res)結果：
需要注意的是：
返回的是字典構成的數組，每個字典元素代表一家企業的信息。順序與瀏覽器中顯示的順序相同。字典中參數的含義已在_parse_baidu_company_info函數的注釋中說明。程序僅獲取第一頁的信息。如果要查詢多頁，可以修改源碼。程序僅獲取企業的基本信息，沒有進入企業的具體頁面，如：蘇寧物流具體頁面。不過返回結果中的pid或bid應該能用于構造查詢頁面的URL。
最后再次強調：代碼僅供學習參考，希望不要惡意爬取數據！
以上是用Python爬蟲獲取百度企業信用中企業基本信息的方法的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
