Golang 网络爬虫框架gocolly/colly 三
Golang 网络爬虫框架gocolly/colly 三
熟悉了《Golang 网络爬虫框架gocolly/colly一》和《Golang 网络爬虫框架gocolly/colly二》之后就可以在网络上爬取大部分数据了。本文接下来将爬取中证指数有限公司提供的行业市盈率。(http://www.csindex.com.cn/zh-CN/downloads/industry-price-earnings-ratio)
定义数据结构体,
//证监会行业市盈率 type ZhjhHyShyl struct { Hydm string `json:"行业代码"` Hymc string `json:"行业名称"` Zxsj *float64 `json:"最新数据"` Gpjs int `json:"股票家数"` Ksjs int `json:"亏损家数"` Jygy *float64 `json:"近一个月"` Jsgy *float64 `json:"近三个月"` Jlgy *float64 `json:"近六个月"` Jyn *float64 `json:"近一年"` Zhy []*ZhjhHyShyl `json:"细分行业"` }
接下来为gocolly调用准备,将用户代理设置为Chrome浏览器,该值可以通过Fiddler工具查看
c.UserAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299"
还可以利用Fiddler设置更多的Request Header,将爬虫工具伪装成浏览器。
接下来F12调用浏览器调试器查看目标数据的元素,拷贝jQuery选择器,然后改成相对路径。
完成所有的数据抓取代码:
package main import ( "encoding/json" "fmt" "log" "strconv" "strings" "github.com/PuerkitoBio/goquery" "github.com/gocolly/colly" ) //证监会行业市盈率 type ZhjhHyShyl struct { Hydm string `json:"行业代码"` Hymc string `json:"行业名称"` Zxsj *float64 `json:"最新数据"` Gpjs int `json:"股票家数"` Ksjs int `json:"亏损家数"` Jygy *float64 `json:"近一个月"` Jsgy *float64 `json:"近三个月"` Jlgy *float64 `json:"近六个月"` Jyn *float64 `json:"近一年"` Zhy []*ZhjhHyShyl `json:"细分行业"` } func main() { var err error c := colly.NewCollector() c.UserAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299" zjhHyShyl := make([]*ZhjhHyShyl, 0) c.OnRequest(func(r *colly.Request) { fmt.Printf("%+v\r\n%+v\r\n", *r, *(r.Headers)) }) c.OnHTML("td>table.list-div-table>tbody>tr", func(e *colly.HTMLElement) { hyShy := ZhjhHyShyl{ Hydm: e.ChildText("td:first-child"), Hymc: e.ChildText("td:nth-child(2)"), } zxsj, err := strconv.ParseFloat(e.ChildText("td:nth-child(3)"), 64) if err == nil { hyShy.Zxsj = &zxsj } gpjs, err := strconv.ParseInt(e.ChildText("td:nth-child(4)"), 10, 32) if err == nil { hyShy.Gpjs = int(gpjs) } ksjs, err := strconv.ParseInt(e.ChildText("td:nth-child(5)"), 10, 32) if err == nil { hyShy.Ksjs = int(ksjs) } jygy, err := strconv.ParseFloat(e.ChildText("td:nth-child(6)"), 64) if err == nil { hyShy.Jygy = &jygy } jsgy, err := strconv.ParseFloat(e.ChildText("td:nth-child(7)"), 64) if err == nil { hyShy.Jsgy = &jsgy } jlgy, err := strconv.ParseFloat(e.ChildText("td:nth-child(8)"), 64) if err == nil { hyShy.Jlgy = &jlgy } jyn, err := strconv.ParseFloat(e.ChildText("td:nth-child(9)"), 64) if err == nil { hyShy.Jyn = &jyn } zjhHyShyl = append(zjhHyShyl, &hyShy) hyShy.Zhy = make([]*ZhjhHyShyl, 0) e.DOM.Parent().Parent().Next().Find("table.list-div-table>tbody>tr").Each(func(_ int, s *goquery.Selection) { zhy := ZhjhHyShyl{ Hydm: strings.Trim(s.Find("td:nth-child(1)").Text(), "\r\n\t "), Hymc: strings.Trim(s.Find("td:nth-child(2)").Text(), "\r\n\t "), } zxsj, err := strconv.ParseFloat(strings.Trim(s.Find("td:nth-child(3)").Text(), "\r\n\t "), 64) if err == nil { zhy.Zxsj = &zxsj } gpjs, err := strconv.ParseInt(strings.Trim(s.Find("td:nth-child(4)").Text(), "\r\n\t "), 10, 32) if err == nil { zhy.Gpjs = int(gpjs) } ksjs, err := strconv.ParseInt(strings.Trim(s.Find("td:nth-child(5)").Text(), "\r\n\t "), 10, 32) if err == nil { zhy.Ksjs = int(ksjs) } jygy, err := strconv.ParseFloat(strings.Trim(s.Find("td:nth-child(6)").Text(), "\r\n\t "), 64) if err == nil { zhy.Jygy = &jygy } jsgy, err := strconv.ParseFloat(strings.Trim(s.Find("td:nth-child(7)").Text(), "\r\n\t "), 64) if err == nil { zhy.Jsgy = &jsgy } jlgy, err := strconv.ParseFloat(strings.Trim(s.Find("td:nth-child(8)").Text(), "\r\n\t "), 64) if err == nil { zhy.Jlgy = &jlgy } jyn, err := strconv.ParseFloat(strings.Trim(s.Find("td:nth-child(9)").Text(), "\r\n\t "), 64) if err == nil { zhy.Jyn = &jyn } hyShy.Zhy = append(hyShy.Zhy, &zhy) }) }) c.OnScraped(func(_ *colly.Response) { bData, _ := json.MarshalIndent(zjhHyShyl, "", "\t") fmt.Println(string(bData)) }) err = c.Visit("http://www.csindex.com.cn/zh-CN/downloads/industry-price-earnings-ratio?date=2017-12-27&type=zjh1") if err != nil { log.Fatal(err) } }
运行后的部分结果:
{ "行业代码": "D", "行业名称": "电力、热力、燃气及水的生产和供应业", "最新数据": 20.12, "股票家数": 107, "亏损家数": 5, "近一个月": 19.51, "近三个月": 19.7, "近六个月": 19.87, "近一年": 18.9, "细分行业": [ { "行业代码": "44", "行业名称": "电力、热力生产和供应业", "最新数据": 18.75, "股票家数": 70, "亏损家数": 3, "近一个月": 18.28, "近三个月": 18.43, "近六个月": 18.55, "近一年": 17.44, "细分行业": null }, { "行业代码": "45", "行业名称": "燃气生产和供应业", "最新数据": 28.4, "股票家数": 22, "亏损家数": 2, "近一个月": 25.71, "近三个月": 25.33, "近六个月": 25.38, "近一年": 27.24, "细分行业": null }, { "行业代码": "46", "行业名称": "水的生产和供应业", "最新数据": 27.78, "股票家数": 15, "亏损家数": 0, "近一个月": 27.88, "近三个月": 29.33, "近六个月": 30.56, "近一年": 29.64, "细分行业": null } ] },
转载请注明出处:http://www.cnblogs.com/majianguo/p/8150060.html
Golang 网络爬虫框架gocolly/colly 三的更多相关文章
- Golang 网络爬虫框架gocolly/colly 四
Golang 网络爬虫框架gocolly/colly 四 爬虫靠演技,表演得越像浏览器,抓取数据越容易,这是我多年爬虫经验的感悟.回顾下个人的爬虫经历,共分三个阶段:第一阶段,09年左右开始接触爬虫, ...
- Golang 网络爬虫框架gocolly/colly 五 获取动态数据
Golang 网络爬虫框架gocolly/colly 五 获取动态数据 gcocolly+goquery可以非常好地抓取HTML页面中的数据,但碰到页面是由Javascript动态生成时,用goque ...
- Golang 网络爬虫框架gocolly/colly 二 jQuery selector
Golang 网络爬虫框架gocolly/colly 二 jQuery selector colly框架依赖goquery库,goquery将jQuery的语法和特性引入到了go语言中.如果要灵活自如 ...
- Golang 网络爬虫框架gocolly/colly 一
Golang 网络爬虫框架gocolly/colly 一 gocolly是用go实现的网络爬虫框架,目前在github上具有3400+星,名列go版爬虫程序榜首.gocolly快速优雅,在单核上每秒可 ...
- 试验一下Golang 网络爬虫框架gocolly/colly
参考:http://www.cnblogs.com/majianguo/p/8186429.html 框架源码在 github.com/gocolly/colly 代码如下(github源码中的dem ...
- 网络爬虫框架Scrapy简介
作者: 黄进(QQ:7149101) 一. 网络爬虫 网络爬虫(又被称为网页蜘蛛,网络机器人),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本:它是一个自动提取网页的程序,它为搜索引擎从万维 ...
- [原创]一款基于Reactor线程模型的java网络爬虫框架
AJSprider 概述 AJSprider是笔者基于Reactor线程模式+Jsoup+HttpClient封装的一款轻量级java多线程网络爬虫框架,简单上手,小白也能玩爬虫, 使用本框架,只需要 ...
- 基于java的网络爬虫框架(实现京东数据的爬取,并将插入数据库)
原文地址http://blog.csdn.net/qy20115549/article/details/52203722 本文为原创博客,仅供技术学习使用.未经允许,禁止将其复制下来上传到百度文库等平 ...
- Scrapy (网络爬虫框架)入门
一.Scrapy 简介: Scrapy是用纯Python实现一个为了爬取网站数据.提取结构性数据而编写的应用框架,Scrapy 使用了 Twisted['twɪstɪd](其主要对手是Tornado) ...
随机推荐
- mysql索引优化面试题
曾经偷偷的面试了两个单位,都提到了Mysql的优化问题,所以以后要多多学习数据库的优化知识了.建设数据库的优化大概主要就是索引的优化了吧,因为我们不可能修改数据结构的情况下,提高数据库的查询效率似乎也 ...
- Yahoo网站性能优化的34条军规
1.尽量减少HTTP请求次数 终端用户响应的时间中,有80%用于下载各项内容,这部分时间包括下载页面中的图像.样式表.脚本.Flash等.通过减少页面中的元素可以减少HTTP请求的次数,这是提高网页速 ...
- mysql数据库误删除操作说明
在日常运维工作中,对于mysql数据库的备份是至关重要的!数据库对于网站的重要性使得我们对mysql数据的管理不容有失!然后,是人总难免会犯错误,说不定哪天大脑短路了来个误操作把数据库给删除了,怎么办 ...
- 在外围获取APP的机密信息
叶孤城原创,转载须授权. 小白:偷窥狂,不,叶城主,怎么还不发起攻击,还在外围搞什么? 叶孤城:闭嘴,能外围解决的问题就不要破解,你以为你会天外飞仙啊! 小白:-- 本文解决一个问题:通过抓包分析出重 ...
- Java读取打印机自定义纸张.
打印出现截断? 对于自定义纸张打印, 一定要先在打印机配置那边添加, 不然会出现截断. 例如打印1000*500, 出来是正常的, 打印216*139, 出现了截断. 因为java默认的打印, 会从打 ...
- NOIP2017普及组解题报告
刚参加完NOIP2017普及,只考了210,于是心生不爽,写下了这篇解题报告...(逃 第一次写博,望dalao们多多指导啊(膜 第一题score,学完helloworld的人也应该都会吧,之前好多人 ...
- slurm-16.05.3任务调度系统部署与测试(1)
1.概述2.同步节点时间3.下载并解压文件4.编译安装munge-0.5.125.配置munge6.编译安装slurm-16.05.37.配置slurm8.配置MySQL数据库环境9.启动slur ...
- C++ queue deque
queue queue 队,一种先进先出的数据结构,c++ stl里也叫容器适配器,它是以deque 或list为基础的一种数据结构 queue的相关操作 queue<int deque< ...
- PKI(公钥基础设施)基础知识笔记
数字签名 数字签名(又称公钥数字签名.电子签章)是一种类似写在纸上的普通的物理签名,可是使用了公钥加密领域的技术实现.用于鉴别数字信息的方法. 一套数字签名通常定义两种互补的运算.一个用于签名,还有一 ...
- 【SICP练习】151 练习4.7
练习4-7 原文 Exercise 4.7. Let* is similar to let, except that the bindings of the let variables are per ...