python爬取中国各省市四级行政规划

一、需求

爬取行政规划网(http://www.xzqy.net)的各省市四级行政规划(精确到乡镇街道)做成Excel表格。

二、具体步骤

  • 设置代理ip
    原本以为该网站不会限制ip,结果刚爬完一个省的数据,就gg了。。
    爬取http://www.xicidaili.com/nn/的可用ip作为代理,并保存在一个文件夹中。
from bs4 import BeautifulSoup
import requests
import random
import lxml
def get_ip_list(url, headers):
    web_data = requests.get(url, headers=headers)
    soup = BeautifulSoup(web_data.text, 'lxml')
    ips = soup.find_all('tr')
    ip_list = []
    for i in range(1, len(ips)):
        ip_info = ips[i]
        tds = ip_info.find_all('td')
        ip_list.append(tds[1].text + ':' + tds[2].text)
    return ip_list

if __name__ == '__main__':
    url = 'http://www.xicidaili.com/nn/'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36'
    }
    ip_list = get_ip_list(url, headers=headers)
    #proxies = get_random_ip(ip_list)
    file=open('G://ip.txt','w+') #新建文件夹保存可用的代理ip
    urlTest="https://www.baidu.com"
    for i in range(len(ip_list)):
      ip= 'http:\\' + ip_list[i];
      proxies = {'proxy': ip}
      try:                                  #检测ip是否可用
          ss = requests.get(urlTest, proxies=proxies)
          if str(ss) == '<Response [200]>':
              str1 = ip_list[i] + "\n"
              file.write(str1);

      except Exception as e:
          print (e)

    file.close()
    print(ip_list)
  • 爬取数据
from bs4 import BeautifulSoup
import requests
import re
import xlwt
import datetime
import time
import random
import threading
def findCity(url):#获取市级或区级信息
    Target = url;
    Target0 = "http://www.xzqy.net/"
    headers = {'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'}
    ip=getip()
    rep = requests.get(url=Target,headers=headers,proxies=ip)
    text = rep.text;
    soup = BeautifulSoup(text, "html5lib")
    city = str(soup.find_all('td', class_="parent")).split('<a')
    pattern = re.compile('"./(.*htm)"')
    pattern1 = re.compile('>(.*)</a>')
    del city[0]#去除无用信息


    cityUrl = [];
    cityName = [];
    for i in range(len(city)):
        cityU = Target0 + pattern.findall(city[i])[0]
        name = pattern1.findall(city[i])[0]  # 市或区名
        cityUrl.append(cityU)
        cityName.append(name)
    return [cityUrl, cityName]


def getMessage(url):#获取街道信息
    Target = url

    headers = {
        'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'}
    ip = getip()
    rep = requests.get(url=Target, headers=headers, proxies=ip)
    text = rep.text;
    soup = BeautifulSoup(text, "html5lib")
    city = str(soup.find_all('td', class_="parent")).split('<a')

    pattern1 = re.compile('>(.*)</a>')
    del city[0]

    message = []
    for i in range(len(city)):
        target2 = pattern1.findall(city[i])[0]  # 省名
        message.append(target2)
    return message
def getip():#随机获取可用ip
    f = open("G://ip.txt", 'r')
    lines = f.readlines()
    proxys = []
    for i in range(0, len(lines)):
        ip = lines[i]
        proxy = 'http:\\' + ip
        proxies = {'proxy': proxy}
        proxys.append(proxies)
    pro=random.choice(proxys);
    f.close()
    return pro

def province(url,Pname):#以省为单位保存数据

    city = [];
    name = [];
    [city, name] = findCity(url)
    wrd = xlwt.Workbook()
    sheet = wrd.add_sheet(Pname)
    CityRow = 0;
    row = 0;
    print("即将爬取"+Pname+"数据*************************************")
    for i in range(len(name)):
        sheet.write(CityRow, 0, name[i])

        [countryU, CountryName] = findCity(city[i])
        print("爬取" + name[i] + "数据中")

        for j in range(len(CountryName)):
            sheet.write(row, 1, CountryName[j])
            message = getMessage(countryU[j])
            print('正在爬取' + CountryName[j] + "数据")

            sss="、".join(message)
            sheet.write(row,2,sss)
            print(CountryName[j] + "数据写入完成")
            row = row + 1;
        print(name[i] + "数据写入完成")
        CityRow = CityRow + len(CountryName);
    wrd.save("G://"+Pname+".xls")
    print("爬取完成")

Target="http://www.xzqy.net/"
headers = {
        'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'}
ip = getip()
rep = requests.get(url=Target, headers=headers, proxies=ip)

text=rep.text;
soup=BeautifulSoup(text, "html5lib")
province0=str(soup.find_all('div',class_="navi")).split('</a>')#得到各省名及网址
pattern = re.compile('./(.*)"')
pattern1=re.compile('>(.*)')
del province0[0]
del province0[0]
del province0[-1]
for i in range(0,len(province0)):
    target1=Target+pattern.findall(province0[i])[0]
    target2=pattern1.findall(province0[i])[0]#省名
    province(target1,target2)
    
  • 结果
    耗费一个半小时下载完中国34个省、自治区、直辖市等数据。如下图

    image.png

    image.png

数据及源代码上传至本人github:https://github.com/nixuanhui/spider

©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 204,921评论 6 478
  • 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 87,635评论 2 381
  • 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 151,393评论 0 338
  • 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 54,836评论 1 277
  • 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 63,833评论 5 368
  • 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 48,685评论 1 281
  • 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 38,043评论 3 399
  • 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 36,694评论 0 258
  • 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 42,671评论 1 300
  • 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 35,670评论 2 321
  • 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 37,779评论 1 332
  • 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 33,424评论 4 321
  • 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 39,027评论 3 307
  • 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 29,984评论 0 19
  • 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 31,214评论 1 260
  • 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 45,108评论 2 351
  • 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 42,517评论 2 343

推荐阅读更多精彩内容