用Python脚本自动采集金融网站当天发布的免费报告

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
实时计算 Flink 版,5000CU*H 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
简介: Python脚本自动采集研报

大家好,我是皮皮。

### 一、前言

前几天在Python群【林生】问了一个`Python`数据采集的问题,需求如下:

想写一个脚本能自动采集下载当天发布的这个页面的这几个免费报告,能保存成这个标题的pdf文件,网站是手机号注册就能下载这些文件的,就是在我注册登录状态下,能采集下载。

![image.png](https://upload-images.jianshu.io/upload_images/26239789-53bf2eba5a4c2ddf.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

### 二、实现过程

一开始以为网站有逆向,还觉得挺难的,后来发现完全是裸奔,就放心了,发布任务到接单裙,一下子就被抢了,毕竟送钱的单子,人见人爱,花见花开了,300元的爬虫单子,也很香了。

下面是部分核心代码,如果你也对这个感兴趣的话,欢迎私我拿全部源码。

```

# -*- coding:utf-8 -*-

"""

开发环境:Python 3.86

脚本名称:2023-07-07 报告厅baogaoting

创建日期:2023年07月07日

"""

import datetime

import os, sys, time, traceback

import pathlib

from parsel import Selector

import requests

headers = {

"xxx"

}

cookies = {

"xxx"

}

def _down_file(dow_url,file_name):

"""

:param dow_url:   下载链接

:param file_name:  图片绝对路径 包括后缀名

:return:

"""

re_重试次数=0

while True:

 try:

  response = requests.get(dow_url, headers=headers, cookies=cookies, timeout=10)

  if response.status_code == 200:

   break

  elif response.status_code == 404:

   break

  else:

   print(response.status_code)

   re_重试次数 += 1

 except Exception as e:

  adress = sys.exc_info()[-1]  # 异常地址

  line_error = traceback.extract_tb(adress, limit=1)[-1][1]  # 读取错误日志,最后一列的第二个元素即为模块出错行

  print(

   f"===================\n【异常原因】:{e}\n【异常类型】:{type(e)}\n【异常位置】:{line_error}\n===================")

  time.sleep(5)

  re_重试次数 += 1

 if re_重试次数 >= 10:

  response=""

  break

if response:

 with open(file_name, "wb+") as f:  # , errors='ignore'

  f.write(response.content)

else:

 print(f"【跳过】:下载失败{file_name}")

import winreg

def get_desktop():

key = winreg.OpenKey(winreg.HKEY_CURRENT_USER,r'Software\Microsoft\Windows\CurrentVersion\Explorer\Shell Folders')

return winreg.QueryValueEx(key, "Desktop")[0]

if __name__ == '__main__':

zm_path=get_desktop()

x_date = time.strftime("%Y-%m-%d")

list_file_path=list(pathlib.Path(x_date).rglob("*"))

dict_file_path={i.name:True for i in list_file_path}

 

url = "https://www.baogaoting.com/space/30909237"

for page in  range(1,3):

 params = {

  "page": page,

  "size": "15"

 }

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

 """

   此处略去多行代码

   """

    print(f"【{title}】:热度{h3} 是当天上传的资料,准备访问下载{href_download}")

    if href_download:

     if not os.path.exists(f"{zm_path}//今日研报"):

      os.makedirs(f"{zm_path}//今日研报",exist_ok=True)

     title=title+ pathlib.Path(href_download).suffix

     #print(href_download, h3,title)

     for k in ["<", ">", "|", '"', "*", '\\', ":", "/", "?", "\n", "\r", "\t", "!", "☆"]:

      date = date.replace(k, '').strip()

     if dict_file_path.get(f"{date}_"+title):

      print(f"【状态】:已经下载了哦,自动跳过")

      continue

     else:

      _down_file(href_download, f"{zm_path}//今日研报//{title}")

    else:

     print(f"【状态】:链接{href_download} {title}无效,跳过不下载")

   

   else:

    print(f"【状态】:不是免费的,不下载")

   time.sleep(0.5)

  else:

   print(f"【状态】:{date} 上传时间不符合,直接结束!")

   break

input(f"【状态】:完成了哦,按任意键退出软件")

```

顺利地解决了粉丝的问题。

![image.png](https://upload-images.jianshu.io/upload_images/26239789-d38b1221ede7c2c2.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

这样每天打开软件,就可以获取到想要的研报文件了,再也不用挨个去下载,解放双手。

### 三、总结

大家好,我是皮皮。这篇文章主要盘点了一个`Python`网络爬虫实战的问题,文中针对该问题,给出了具体的解析和代码实现,帮助粉丝顺利解决了问题。

【提问补充】温馨提示,大家在群里提问的时候。可以注意下面几点:如果涉及到大文件数据,可以数据脱敏后,发点demo数据来(小文件的意思),然后贴点代码(可以复制的那种),记得发报错截图(截全)。代码不多的话,直接发代码文字即可,代码超过50行这样的话,发个.py文件就行。

![image.png](https://upload-images.jianshu.io/upload_images/26239789-b14f640b129460fb.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

相关文章
|
8天前
|
安全 网络安全 文件存储
思科设备巡检命令Python脚本大集合
【10月更文挑战第18天】
33 1
思科设备巡检命令Python脚本大集合
|
4天前
|
关系型数据库 MySQL 数据库连接
python脚本:连接数据库,检查直播流是否可用
【10月更文挑战第13天】本脚本使用 `mysql-connector-python` 连接MySQL数据库,检查 `live_streams` 表中每个直播流URL的可用性。通过 `requests` 库发送HTTP请求,输出每个URL的检查结果。需安装 `mysql-connector-python` 和 `requests` 库,并配置数据库连接参数。
97 68
|
18天前
|
Linux 区块链 Python
Python实用记录(十三):python脚本打包exe文件并运行
这篇文章介绍了如何使用PyInstaller将Python脚本打包成可执行文件(exe),并提供了详细的步骤和注意事项。
32 1
Python实用记录(十三):python脚本打包exe文件并运行
|
3天前
|
JSON 测试技术 持续交付
自动化测试与脚本编写:Python实践指南
自动化测试与脚本编写:Python实践指南
10 1
|
29天前
|
Python
Python 脚本高级编程:从基础到实践
本文介绍了Python脚本的高级概念与示例,涵盖函数的灵活应用、异常处理技巧、装饰器的使用方法、上下文管理器的实现以及并发与并行编程技术,展示了Python在自动化任务和数据操作中的强大功能。包括复杂函数参数处理、自定义装饰器、上下文管理器及多线程执行示例。
39 5
|
1月前
|
安全 Python
Python脚本实现IP按段分类
【10月更文挑战第04天】
24 7
|
19天前
|
Java Python
如何通过Java程序调用python脚本
如何通过Java程序调用python脚本
15 0
|
20天前
|
Python
基于python-django的matlab护照识别网站系统
基于python-django的matlab护照识别网站系统
13 0
|
20天前
|
安全 Java Python
基于python-django的Java网站全站漏洞检测系统
基于python-django的Java网站全站漏洞检测系统
28 0
|
SQL Web App开发 数据采集
Python爬虫采集CloudBlog网站的文章
    本文通过使用python爬虫,来将一个网站中的文章获取下来,包括标题、发表时间、作者、文章内容等基本信息,并且将这些数据存储到数据库中,是一个非常完整的流程。获取首页所有的文章连接,并存放到URL集合中,然后再一个个的访问这些采集到的链接,来访问,并再次解析出文章详细的内容。
1717 0