python3 爬取深圳主板公司名称，公司网址

1. 需要阅读的文档：
   
   Requests：http://cn.python-requests.org/zh_CN/latest/user/quickstart.html
   
   BeautifulSoup：https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/
2. 说明：
   
   爬虫入口网址：http://www.cninfo.com.cn/cninfo-new/information/companylist
   
   抓取目标：公司代码公司名称、公司公告地址
3. python3.5完整代码如下：

import codecs                    #内置自然语言编码转换库
import csv                       #内置csv模块

import requests                  #网页下载器模块
from bs4 import BeautifulSoup    #网页解析器模块

def getHTML(url):                #定义下载网页内容的函数
    r = requests.get(url)        #返回一个响应
    return r.text                #响应的内容

def parseHTML(html):             #定义解析网页内容（抓取目标）的函数
    soup = BeautifulSoup(html, 'html.parser')   #使用html.parser这个python内置解析器解析html这个页面的源代码

    body = soup.body                #返回页面body信息
    company_middle = body.find('div', attrs={'class': 'middle'})       #返回body里面class为middle的div标签
    company_list_ct = company_middle.find('div', attrs={'class': 'list-ct'}) #返回middle里面class为list-ct的div标签

    company_list = []  #将公司数据先设为空列表
    for company_ul in company_list_ct.find_all('ul', attrs={'class': 'company-list'}):   # 在list-ct里面搜索class为company-list的ul标签
        for company_li in company_ul.find_all('li'):  #在ul里面搜索li标签
            company_url = company_li.a['href'] #公司url就是li里面标签为a，属性为href的值
            company_info = company_li.get_text()#公司名字用这个方法来获取
            company_list.append([company_info, company_url]) #把公司名称和网址添加到那个空列表里面
    return company_list #然后返回出来

def writeCSV(file_name,data_list):          #定义一个scv文件的函数，两个参数，一个是文件名字，一个文件内容
    with codecs.open(file_name, 'w') as f:  #打开一个文件
        writer = csv.writer(f)              #把空文件转为csv文件？
        for data in data_list:          #循环data_list里面的每一条数据
            writer.writerow(data)       #把data_list里面的数据写进csv文件

URL = 'http://www.cninfo.com.cn/cninfo-    new/information/companylist'        #设变量
html = getHTML(URL)                  #调取函数
data_list = parseHTML(html)          #调取函数
writeCSV('test.csv', data_list)      #调取函数

运行结果为在当前代码文件所在的文件夹生成一个test.csv文件，内容不完整截图如下：

原文地址：https://zhuanlan.zhihu.com/p/21452812