爬取某數據公司電話以及地址信息的方法

這篇文章將為大家詳細講解有關爬取某數據公司電話以及地址信息的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

準備：selenium+PhatomJS或者selenium+Firefox

我這里直接用的后者selenium+Firefox

思路： 爬取這部分信息的話，代碼其實不難，主要包括模擬登陸、獲得頁面網址以及抓取頁面信息。

模擬登陸

網址：https://www.tianyancha.com/login

頁面如下：

使用selenium模擬登陸代碼：

time.sleep(random.random()+1)
browser.get(loginURL)
time.sleep(random.random()+random.randint(2,3))
browser.find_element_by_css_selector('div.title:nth-child(2)').click()
time.sleep(random.uniform(0.5,1))
phone = browser.find_element_by_css_selector('div.modulein:nth-child(2) > div:nth-child(2) > input:nth-child(1)')
phone.send_keys(zhangHao)
time.sleep(random.uniform(0.4,0.9))
password = browser.find_element_by_css_selector('.input-pwd')
password.send_keys(miMa)
click = browser.find_element_by_css_selector('div.modulein:nth-child(2) > div:nth-child(5)')
click.click()
time.sleep(random.uniform(0.5,1)+10)

登錄之后頁面：

關鍵詞對應的頁面網址：https://www.tianyancha.com/search?key= + key
這里以“滴滴”為例：https://www.tianyancha.com/search?key=滴滴
頁面內容如下：

獲取公司頁面網址
解析滴滴關鍵詞頁面HTML，獲得每個公司對應得URL。
注意：非會員只能查看前五頁的公司信息
代碼：

#獲取頁面數
try:
    pages = soup.find('ul',class_='pagination').find_all('li')[-2].getText().replace('...','')
except:
    pages = 1
finally:
    print('pages:',pages)

def getUid(soup):
    urls = []
    divs = soup.find('div',class_='result-list sv-search-container').find_all('div',class_='search-item sv-search-company')                                                                             
    for div in divs:
        urls.append(div.find('div',class_='header').find('a')['href'])
    return urls

#非會員只能爬前五頁
if(int(pages)>5):
    pages = 5

urls = []
for i in range(1,pages+1):
    url = 'https://www.tianyancha.com/search/p' + str(i) + '?key=' + key
    browser.get(url)
    time.sleep(random.uniform(0.6,1)+2)
    soup = BeautifulSoup(browser.page_source,'lxml')
    urls.extend(getUid(soup))

獲得企業信息
最后根據企業網頁HTML內容，解析獲取需要的信息，看頁面可以發現這里需要的電話和地址都在最上面就有。

獲取這部分內容代碼：

#這里為了避免意外每次將結果直接寫入Excel文件
try:
    for url in urls:
        path = r'C:\Users\liuliang_i\Desktop\tianYanCha.xlsx'
        try:
            df1 = pd.read_excel(path)
        except:
            df1 = pd.DataFrame(columns=['Company','Phone','Address','Url'])
        browser.get(url)
        time.sleep(random.uniform(0.4,0.8)+1)
        soup = BeautifulSoup(browser.page_source,'lxml')
        company = soup.find('div',class_='header').find('h2',class_='name').getText()
        phone = soup.find('div',class_='in-block sup-ie-company-header-child-1').find_all('span')[1].getText()
        address = soup.find('div',class_='auto-folder').find('div').getText()
        df1.loc[df1.shape[0],'Company'] = company
        df1.loc[df1.shape[0]-1,'Phone'] = phone
        df1.loc[df1.shape[0]-1,'Address'] = address
        df1.loc[df1.shape[0]-1,'Url'] = url
        df1.to_excel(path,index=0)
except :
    pass

最終結果如下所示：

關于爬取某數據公司電話以及地址信息的方法就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。