一、爬取目标
二、完整源码
sql
#""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
#
# Copyright (c) 2024 愤怒的it男, All Rights Reserved.
# FileName : code.py
# Date : 2024.01.14
# Author : 愤怒的it男
# Version : 1.0.0
# Node : 欢迎关注微信公众号【愤怒的it男】
#
#""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
import csv
import requests
from lxml import etree
from prettytable import PrettyTable
def getData(baseUrl, data, headers):
response = requests.post(url=baseUrl, data=data, headers=headers)
html = etree.HTML(response.text)
trs = html.xpath("//table[@id='tab']/tr")
data = []
for index,tr in enumerate(trs):
text = tr.xpath("td//text()")
if index !=0:
text = [text[1].strip(),text[3],text[4],text[5],text[6],text[7],text[9].strip()]
data.append(text)
return data
def printData(result):
table = PrettyTable()
table.field_names = ["登记证号", "农药名称", "农药类别", "剂型", "总含量", "有效期至", "登记证持有人"]
table.add_rows(result)
print(table)
def saveData(result):
with open('农药登记数据.csv', 'w', encoding='utf-8', newline='') as file:
writer = csv.writer(file)
writer.writerows(result)
def main():
baseUrl = 'https://www.icama.cn/BasicdataSystem/pesticideRegistration/queryselect.do'
headers = {'Content-Type':'application/x-www-form-urlencoded',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
data = "pageNo=1&pageSize=50000&djzh=&nymc=&cjmc=&sf=&nylb=&zhl=&jx=&zwmc=&fzdx=&syff=&dx=&yxcf=&yxcf_en=&yxcfhl=&yxcf2=&yxcf2_en=&yxcf2hl=&yxcf3=&yxcf3_en=&yxcf3hl=&yxqs_start=&yxqs_end=&yxjz_start=&yxjz_end=&accOrfuzzy=2"
result = getData(baseUrl, data, headers)
printData(result)
saveData(result)
if __name__== "__main__" :
main()
三、源码简析
1、请求头headers以及请求载荷data
在Chrome浏览器开发者工具中抓包分析,可以知道本实例的请求属于POST请求,请求头的Content-Type为application/x-www-form-urlencoded
,还有名称/值对的请求载荷数据,所以请求头headers以及请求载荷data设置如下:
ini
baseUrl = 'https://www.icama.cn/BasicdataSystem/pesticideRegistration/queryselect.do'
headers = {'Content-Type':'application/x-www-form-urlencoded',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
data = "pageNo=1&pageSize=50000&djzh=&nymc=&cjmc=&sf=&nylb=&zhl=&jx=&zwmc=&fzdx=&syff=&dx=&yxcf=&yxcf_en=&yxcfhl=&yxcf2=&yxcf2_en=&yxcf2hl=&yxcf3=&yxcf3_en=&yxcf3hl=&yxqs_start=&yxqs_end=&yxjz_start=&yxjz_end=&accOrfuzzy=2"
- 请求头中的Content-Type,就是B端发给S端的数据类型描述,即告诉服务器端,我给你传的数据是某种类型的,然后服务器端针对不同类型的数据做出不同的反应。常见的Content-Type类型:
bash
application/x-www-form-urlencoded:载荷被URL编码为名称/值对的数据。
multipart/form-data:载荷被编码为二进制类型的数据(一般用来上传文件)。
application/json:载荷被编码为json格式的数据。
text/xml:载荷被编码为XML格式的数据。
-
通过requests.get()进行GET请求时不存在请求实体部分,浏览器把载荷参数转换成一个字串
a=1&b=2
,然后把这个字串用?追加到URL尾部,因此请求头不需要设置Content-Type字段。 -
通过requests.post()进行POST请求时,传入报文的参数有两个,一个是data,一个是json。用data参数提交数据时,request.body的内容则为
a=1&b=2
这种形式,用json参数提交数据时,request.body的内容则为{"a": 1, "b": 2}
这种形式。
2、'utf-8'编码格式打开文件
在使用open函数时,如果不指定文件编码格式,默认使用系统的编码格式。由于本人系统的编码格式为gbk,所以出现了以下错误:
arduino
UnicodeEncodeError: 'gbk' codec can't encode character '\u2022' in position 12: illegal multibyte sequence
即'gbk'编码格式不能编码字符'\u2022',所以需要指定文件编码格式,可以使用'utf-8'编码格式来打开文件。
python
def saveData(result):
with open('农药登记数据.csv', 'w', encoding='utf-8', newline='') as file:
writer = csv.writer(file)
writer.writerows(result)
四、爬取结果
yaml
+------------+--------------------------------+-----------------------+--------------------------+--------------------------------------------------------+------------+--------------------------------------------+
| 登记证号 | 农药名称 | 农药类别 | 剂型 | 总含量 | 有效期至 | 登记证持有人 |
+------------+--------------------------------+-----------------------+--------------------------+--------------------------------------------------------+------------+--------------------------------------------+
| PD20095400 | 咯菌腈 | 杀菌剂 | 可湿性粉剂 | 50% | 2029-4-26 | 瑞士先正达作物保护有限公司 |
| PD20141067 | 氰烯·己唑醇 | 杀菌剂 | 悬浮剂 | 20% | 2029-4-24 | 陕西上格之路生物科学有限公司 |
| PD20141065 | 噻嗪·毒死蜱 | 杀虫剂 | 可湿性粉剂 | 30% | 2029-4-24 | 陕西上格之路生物科学有限公司 |
| PD20141049 | 吡蚜酮 | 杀虫剂 | 水分散粒剂 | 70% | 2029-4-23 | 福建新农大正生物工程有限公司 |
| PD20095204 | 乙烯利 | 植物生长调节剂 | 水剂 | 40% | 2029-4-23 | 侨昌现代农业有限公司 |
| PD20095203 | 烯唑醇 | 杀菌剂 | 原药 | 95% | 2029-4-23 | 江苏七洲绿色化工股份有限公司 |
| PD20095180 | 苯·吡·甲草胺 | 除草剂 | 泡腾粒剂 | 31% | 2029-4-23 | 丹东明珠科技有限公司 |
| PD20095175 | 藤酮·辛硫磷 | 杀虫剂 | 乳油 | 18% | 2029-4-23 | 广西施乐农化科技开发有限责任公司 |
| PD20095172 | 溴敌隆 | 杀鼠剂 | 母液 | 0.5% | 2029-4-23 | 辽宁省沈阳爱威科技发展股份有限公司 |
| PD20095167 | 辛硫磷 | 杀虫剂 | 乳油 | 40% | 2029-4-23 | 福建新农大正生物工程有限公司 |
| PD20095163 | 烯唑醇 | 杀菌剂 | 可湿性粉剂 | 12.5% | 2029-4-23 | 江苏七洲绿色化工股份有限公司 |
| PD20095155 | 复硝酚钠 | 植物生长调节剂 | 水剂 | 1.4% | 2029-4-23 | 德州祥龙生化有限公司 |
| PD20095146 | 五氯·福美双 | 杀菌剂 | 粉剂 | 40% | 2029-4-23 | 禾美思(山东)植物保护有限公司 |
| PD20095129 | 吡虫啉 | 杀虫剂 | 可湿性粉剂 | 10% | 2029-4-23 | 江苏快达农化股份有限公司 |
| PD20095126 | 三十烷醇 | 植物生长调节剂 | 可溶液剂 | 0.1% | 2029-4-23 | 浙江大鹏药业股份有限公司 |
| PD20095125 | 莠去津 | 除草剂 | 可湿性粉剂 | 48% | 2029-4-23 | 河南贝力沃生物科技有限公司 |
| PD20095115 | 三氯吡氧乙酸丁氧基乙酯 | 除草剂 | 乳油 | 480克/升 | 2029-4-23 | 四川利尔作物科学有限公司 |
| PD20095108 | 高效氟吡甲禾灵 | 除草剂 | 原药 | 96% | 2029-4-23 | 首建科技有限公司 |
| PD20095095 | 吡虫·杀虫单 | 杀虫剂 | 可湿性粉剂 | 35% | 2029-4-23 | 河南常见生物科技有限公司 |
| PD20141042 | 磺草·莠去津 | 除草剂 | 悬浮剂 | 40% | 2029-4-22 | 吉林金秋农药有限公司 |
| PD20095083 | 异丙甲草胺 | 除草剂 | 乳油 | 720克/升 | 2029-4-21 | 河南金田地农化有限责任公司 |
五、免责声明
本公众号所有源码均为个人学习所编写,仅可用于计算机技术学习及研究等合法行为,禁止利用本公众号的源码从事任何违反本国(地区)法律法规的业务,如有发现存在违法违规行为我会举报到网监部门。