爬虫练手:简单方法抓取某研究所科技专利信息

声明:
1、本博客所涉及爬虫及其爬取的数据仅用于爬虫技术研究,请勿用于商业用途。
2、本博文中涉及的网址均已隐去关键字段。

基于python3.5版本

源代码

spidertest.py

# -*- coding: utf-8 -*-
import scrapy
from testscrapy01.items import QIBEBT_Zhuanli_Item
from scrapy.selector import Selector
import re

class QibebtZhuanliSpider(scrapy.Spider):

    name = "xxxx_zhuanli_01"
    allowed_domains = ["qibebt.cas.cn"]
    start_urls = ['http://www.xxxx.cas.cn/kycg/zl/index.html']

    lst = []
    for i in range(1,15):
        start_urls.append("http://www.xxxx.cas.cn/kycg/zl/index_" + str(i) +".html")

    # start_urls = ['http://www.xxxx.cas.cn/kycg/zl/index.html'] + lst

    def parse(self, response):
        print("目标网页为:" + response.url)
        hxs = Selector(response)
        qitem = QIBEBT_Zhuanli_Item()
        # 把所有行抓取出来
        zls = hxs.xpath("//tr[@bgcolor='#f2f7f1']")
        # print(len(zls))
        for zl in zls:
            #专利名称
            name = zl.xpath("td[@height='26']/a[@target='_blank']/text()").extract()[0]
            # name = zl.xpath("//a/text()").extract()

            #专利类别
            type = zl.xpath("td[@align='center']/text()").extract()[0]

            #申请号
            number = zl.xpath("td[@align='center']/text()").extract()[1]
            #申请日期
            apply_date = zl.xpath("td[@align='center']/text()").extract()[2]
            sq_date = "无"
            try:
                #授权日期
                sq_date = zl.xpath("td[@align='center']/text()").extract()[3]
            except:
                sq_date = "无"
            #发明人
            #有一个"\xa0"字符串,进行特殊处理
            inventor = repr(zl.xpath("td[@align='left']/text()").extract()[0])
            # print(isinstance(inventor,str))
            inventor = re.sub(r"'","",inventor)
            # inventor = re.sub("\\xa0", ",", inventor)
            main_inventor = inventor.split('\\xa0')[0]
            other_inventors = inventor.split('\\xa0')[1]

            # print("专利名称 = ", name)
            # print("专利类别 = ", type)
            # print("申请号 = ", number)
            # print("申请日期 = ", apply_date)
            # print("授权日期 = ", sq_date)
            # print("第一发明人 = ", main_inventor)
            # print("其他发明人 = ", other_inventors)
            # print("")
            yield qitem
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,558评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,002评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,024评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,144评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,255评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,295评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,068评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,478评论 1 305
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,789评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,965评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,649评论 4 336
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,267评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,982评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,223评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,800评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,847评论 2 351

推荐阅读更多精彩内容

  • 声明:1、本博客所涉及爬虫及其爬取的数据仅用于爬虫技术研究,请勿用于商业用途。2、本博文中涉及的网址均已隐去关键字...
    BlueCat2016阅读 2,809评论 1 5
  • 此是自己,要多问几次“我是谁?”,心是身的主人,身是心的家,不动是明镜高悬,观照是主人明镜照见而观,意动是...
    黄卫荣阅读 507评论 0 0
  • 蝴蝶蝴蝶你爱过吗? 我呆立在窗前,我知道,早晚有一天会是这个结果的,美人鱼会变成蔷薇泡沫,而毛虫变成蝴蝶的刹那,蝴...
    寒扬阅读 627评论 0 38