为了便于广大会计人员学习会计准则，加深对企业会计准则内容的理解，会计准则委员会收集了实务中反映的企业会计准则相关问题，组织企业会计准则咨询委员开展研究，就相关问题进行了解答，并在会计准则委员会网站发布，供广大会计人员学习参考。今天，我们就来爬取企业会计准则解读吧。
网址：
https://www.casc.org.cn/qykjzzjd/
步骤拆解：
1、观察网页
2、请求数据
3、解析数据
4、保存数据——docx库入门
第一步 观察网页
1、谷歌浏览器右键“检查”，点击“Network”，刷新页面。
2、点击最上面名为“qykjzzjd/”的链接，
3、点击“Response”，发现我们需要的数据在这里。
第二步 请求数据
我们使用requests库请求数据,查看“Headers”发现请求方法为get请求。
于是我们输入如下代码，先看看有没有请求成功，我们发现请求结果是<Response[200]>，数字是200说明请求成功，数字不是200说明请求失败。
我们再来看看我们请求的结果是什么，我们输入r.text，发现返回值是乱码。
这是什么原因呢？
想象一个场景，假设你完全不懂英语，一个人对你说“Good night”，你是不是会把这句话解析成“姑奶奶”（这是武林外传小贝穿越的场景），这就是驴头不对马嘴了，用中文解析英文固然如此。现实世界有不同的语言，计算机世界也有不同的语言，我们叫它为编码方式，常见编码方式有：ASCII编码、GBK编码、UTF-8编码。
我们采用reqeusts库请求数据的时候，默认encoding是ISO-8859-1。但我们在查看“Response”，在<head>标签中的<meta>标签中，有一个“charset=’utf-8’”，即网站的编码方式是utf-8。我们用ISO-8859-1解码utf-8，肯定会出现乱码。
apparent_encoding会从网页的内容中分析网页编码的方式，当网页出现乱码时可以把apparent_encoding的编码格式赋值给encoding。此时我们再看r.text，发现没有乱码了。
代码如下：
import requests
from bs4 import BeautifulSoup
from docx import Document
#1、请求数据
url='https://www.casc.org.cn/qykjzzjd/'
r=requests.get(url)
r.encoding=r.apparent_encoding
第三步 解析数据
我们采用BeautifulSoup库来解析数据。
通过检查网页，我们发现所有企业会计准则解读存储在class="newsConclearfix"的<div>标签下，每行企业会计准则解读存储在上述标签的’li’标签下，在该标签下我们可获取子链接。
获取子链接后，如下图所示，我们发现企业会计准则解读的具体信息存储子链接的class="pageInfo"的<div>标签下，其中标题存储在<h1>标签中，标题下的备注存储在class="pageInfoLittle"的<div>标签中，正文段落存储在class="infoCon"的<div>标签中。
代码如下：
#2、解析数据
soup=BeautifulSoup(r.text,'html.parser')
doc=Document()
for li in soup.find('div',class_="newsCon clearfix").find_all('li'):
url2='https:'+li.find('a').get('href')#获取子页面网址
r2=requests.get(url2)#请求子页面数据
r2.encoding=r2.apparent_encoding
soup2=BeautifulSoup(r2.text,'html.parser')#解析子页面数据
content=soup2.find('div',class_="pageInfo")#获取子页面数据
title=content.h1.text#获取子页面标题
info=content.find('div',class_="pageInfoLittle").text#获取子页面标题下备注
paragraph=content.find('div',class_="infoCon").text#获取子页面正文
第四步 存储数据
我们想把网页内容存储成文档，这就需要docx库。
1、docx库的安装
错误方法（不要尝试，不要尝试，不要尝试！）
这是我踩过的坑。
通过Anaconda的Anaconda Prompt命令窗口安装docx，输入一下指令：
pip install docx
命令窗口显示成功后，在开发环境中输入import docx测试三方库有没有成功，显示
Import Error: No module named 'exceptions'
原因是通过命令行下载的docx安装包还没有完全兼容python3，因此需要自己找一个兼容的包进行安装。
正确方法
（1）下载docx库的whl文件。
下载地址：
https://www.lfd.uci.edu/~gohlke/pythonlibs/
在以上网址中点击
python_docx‑0.8.10‑py2.py3‑none‑any.whl进行下载
（2）安装docx库
打开Anaconda Prompt，选择开始菜单-Anaconda3-Anaconda Prompt。
在命令行中输入：pip install whl文件路径+whl文件名称。
以本电脑为例，下载的docx库的whl文件存放在C:\Users\mi\Downloads文件夹中，因此在命令行中输入：
pip install C:\Users\mi\Downloads\python_docx-0.8.10-py2.py3-none-any.whl
2、docx库的使用——以企业会计准则解读的保存为例
（1）引入docx库
from docx import Document
（2）创建文档对象
doc=Document()
（3）文档编辑
doc.add_heading(title)#添加标题
doc.add_paragraph(info)#添加段落
doc.add_paragraph(paragraph)#添加段落
（4）文档保存
doc.save('企业会计准则解读.docx')#保存文档
全套代码：
import requests
from bs4 import BeautifulSoup
from docx import Document
#1、请求数据
url='https://www.casc.org.cn/qykjzzjd/'
r=requests.get(url)
r.encoding=r.apparent_encoding
#2、解析数据
soup=BeautifulSoup(r.text,'html.parser')
doc=Document()
for li in soup.find('div',class_="newsCon clearfix").find_all('li'):
url2='https:'+li.find('a').get('href')#获取子页面网址
r2=requests.get(url2)#请求子页面数据
r2.encoding=r2.apparent_encoding
soup2=BeautifulSoup(r2.text,'html.parser')#解析子页面数据
content=soup2.find('div',class_="pageInfo")#获取子页面数据
title=content.h1.text#获取子页面标题
info=content.find('div',class_="pageInfoLittle").text#获取子页面标题下备注
paragraph=content.find('div',class_="infoCon").text#获取子页面正文
#3、保存数据
doc.add_heading(title) #添加标题
doc.add_paragraph(info) #添加段落
doc.add_paragraph(paragraph) #添加段落
doc.save('企业会计准则解读.docx') #保存文档
**结果如下：**
