Golang 网络爬虫框架gocolly/colly 三

majianguo · · 7039 次点击 · · 开始浏览    
这是一个创建于 的文章,其中的信息可能已经有所发展或是发生改变。

Golang 网络爬虫框架gocolly/colly

熟悉了Golang 网络爬虫框架gocolly/colly 一》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

 


有疑问加站长微信联系(非本文作者)

本文来自:博客园

感谢作者:majianguo

查看原文:Golang 网络爬虫框架gocolly/colly 三

入群交流(和以上内容无关):加入Go大咖交流群,或添加微信:liuxiaoyan-s 备注:入群;或加QQ群:692541889

7039 次点击  
加入收藏 微博
暂无回复
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传