python爬取某查查用selenium终于搞定了！

原文链接

之前试过用request的方法爬取企查查，结果完全获取不到信息。经论坛朋友们指点，找到selenium神器，学了两天，终于可以啦！
怕被封号，所以设置了很多等待时间，爬取速度比较慢。

代码如下：

[Python] 纯文本查看 复制代码

001

002

003

004

005

006

007

008

009

010

011

012

013

014

015

016

017

018

019

020

021

022

023

024

025

026

027

028

029

030

031

032

033

034

035

036

037

038

039

040

041

042

043

044

045

046

047

048

049

050

051

052

053

054

055

056

057

058

059

060

061

062

063

064

065

066

067

068

069

070

071

072

073

074

075

076

077

078

079

080

081

082

083

084

085

086

087

088

089

090

091

092

093

094

095

096

097

098

099

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

from selenium import webdriver
import time
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys
import xlrd
from xlutils.copy import copy
import random
 
####################################模拟使用IE浏览器登陆####################################
option = webdriver.IeOptions()
option.add_argument('--user-agent="Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko"')
path = 'C:\Program Files (x86)\Internet Explorer\IEDriverServer.exe'
driver = webdriver.Ie(executable_path=path, options=option)
driver.implicitly_wait(10)
 
 
####################################通过名称获取网页####################################
#打开搜索页
driver.get('https://www.qcc.com/search?key=%E6%B1%9F%E5%AE%81%E5%8E%BF%E8%93%9D%E5%A4%A9%E7%A0%96%E5%8E%82')
time.sleep(20)  # 20s内手动登录
#输入搜索词
#corps = ['广州海洋勘探开发总公司', '广东车海洋环保科技有限公司', '广东粤新海洋工程装备股份有限公司', '广东省海洋工程职业技术学校（广东省海洋工程技工学校）',]
         #'广东华风海洋信息系统服务有限公司', '广州海洋天网科技股份有限公司', '中船海洋与防务装备股份有限公司', '广州海洋生物科普有限公司']
for i in range(0, len(corps)):
    corp = corps[i]
    #清空搜索框
    driver.find_element_by_id('headerKey').clear()
    #向搜索框输入搜索词
    driver.find_element_by_id('headerKey').send_keys(corp)
    time.sleep(6)
    try:
        #获取公司链接
        link = driver.find_element_by_xpath('//a[@class="list-group-item keyMoveItem"]').get_attribute("href")
        #打开公司链接
        driver.get(link)
        time.sleep(6)
    except:
        print(corp + '：未查找到信息！')
 
####################################获取信息####################################
    #获取子界面
    elements = driver.find_elements_by_class_name('company-nav-head')
    for element in elements:
        ele = element.get_attribute('href')
        #点击基本信息
        if 'base' in ele:
            element.click()
            #获取公司名称
            corpname = driver.find_element_by_xpath('//div[@class="row title jk-tip"]/h1').text
            #获取所属行业
            try:
                hangye = driver.find_element_by_xpath('//table[@class="ntable"]//tr[4]/td[6]').text
            except:
                hangye = 'None'
            #获取人员规模
            try:
                renyuan = driver.find_element_by_xpath('//table[@class="ntable"]//tr[6]/td[2]').text
            except:
                renyuan = 'None'
            #获取经营范围
            try:
                jingying = driver.find_element_by_xpath('//table[@class="ntable"]//tr[9]/td[2]').text
            except:
                jingying = 'None'
            #获取标签
            try:
                tags = driver.find_elements_by_xpath('//div[@class="row tags"]/span')
                tagname = []
                for tag in tags:
                    tagname.append(tag.text)
                tagname = "、".join(tagname)
            except:
                zl = "None"
            #print(corpname + '-'+ hangye + '-'+ renyuan + '-'+ jingying + '-'+ tagname)
        #点击专利信息
        elif 'assets' in ele:
            element.click()
            #获取科技创新含量
            try:
                techscore = driver.find_element_by_xpath('//div[@class="zlchart-tcount"]/span').text
            except:
                techscore = "None"
            #获取专利数量
            try:
                zlcount = driver.find_element_by_xpath('//aspan[@class="title"]/span[@class="tbadge"]').text
            except:
                zlcount = "None"
            #获取专利信息
            try:
                zlments = driver.find_elements_by_xpath('//section[@id="zhuanlilist"]//table[@class="ntable ntable-odd"]//tr/td[5]')
                zls = []
                for zlment in zlments:
                    zls.append(zlment.text)
                zl = "、".join(zls)
            except:
                zl = "None"
            #print(corpname + '-' + techscore + '-' + zlcount + '-' + zl)
        else:
            pass
        time.sleep(4)
 
####################################保存信息####################################
    #保存到excel中
    rexcel = xlrd.open_workbook("C:/Users/SNT/Desktop/qcc.xls")
    table = rexcel.sheets()[0]  # 打开第一个sheet
    rows = table.nrows  # 获取行数
 
    # 用xlutils方法追写excel
    excel = copy(rexcel)  # 用xlutis提供的copy方法将xlrd对象转化为xlwt对象
    sheet = excel.get_sheet(0)  # 获取第一个sheet
    sheet.write(rows, 0, rows)
    sheet.write(rows, 1, corpname)
    sheet.write(rows, 2, tagname)
    sheet.write(rows, 3, hangye)
    sheet.write(rows, 4, renyuan)
    sheet.write(rows, 5, jingying)
    sheet.write(rows, 6, techscore)
    sheet.write(rows, 7, zlcount)
    sheet.write(rows, 8, zl)
    sheet.write(rows, 9, corp)
 
    excel.save("C:/Users/SNT/Desktop/qcc.xls")
    print(corp +'信息保存完毕！')
    sltime = 30*random.random()
    print('休息' + str(sltime) +'s......\n')
    time.sleep(sltime)
 
 
print(str(i+1) +'家公司信息保存完毕')
 
#关闭浏览器
driver.quit()