输入目标企业的模糊名称/简称,一行代码将目标企业的制定工商信息分类保存为Excel/JSON文件。
- 模拟登录:基于Selenium的Xpath来定位登录框并传入个人账户信息,一次登录大概6-9秒。
- 关键字的模糊识别:利用天眼查搜索框的已有模糊检索能力,方便用户仅能提供部分关键字的情况。
- 元素定位:特殊表格(比如'baseInfo')使用了Selenium提供的API,具体请参考Locating Elements。一般表格使用pandas的read_html方法。
输入更换为自己的天眼查账户、密码和查询关键字。 生成的结果文件请参考北京鸿智慧通实业有限公司.xlsx
和中信证券股份有限公司.json
。
运行下面的示例代码将执行:“用户User输入密码Password登录后,爬取关键字为Keyword的企业的工商信息(baseInfo),结果返回table_dict并保存为JSON文件。”
from tianyancha import Tianyancha
table_dict = Tianyancha(username='User', password='Password').tianyancha_scraper(keyword='Keyword', table='baseInfo', export='json')
Tianyancha.tianyancha_scraper(keyword, table='all', use_default_exception=True, change_page_interval=2, export='xlsx'):
参数 | 类型 | 说明 | 范例 |
---|---|---|---|
keyword | string | 公司名称,支持模糊或部分检索。 | "北京鸿智慧通实业有限公司" |
table | list or string, default 'all' | 需要爬取的表格信息。和官方的元素名称一致,具体请参考表格名称中英文对照表。 | ['baseInfo', 'staff', 'invest'] |
use_default_exception | boolean, default True | 是否使用默认的排除列表。以忽略低价值表格为代价来加快爬取速度。 | False |
change_page_interval | float, default 2 | 爬取多页的时间间隔(秒)。避免频率过快IP地址被官方封禁。 | 1.5 |
export | string, default 'xlsx' | 输出保存格式,'xlsx'/'json'。 | 'json' |
参数结尾有"*"的为可能有误的参数名称,请手工复查div._container_
后面的内容。
名称 | 参数 | 说明 | |
---|---|---|---|
上市信息 Listed information | 股票行情 | volatilityNum | |
企业简介 | stockNum | ||
高管信息 | seniorPeople | ||
参股控股 | holdingCompany | ||
上市公告 | announcement | ||
十大股东 | topTenNum | ||
十大流通 | tenTradableNum | ||
发行相关 | issuanceRelatedNum | ||
股本结构 | shareStructure | ||
股本变动 | equityChange | ||
分红情况 | bonus | ||
配股情况 | allotment | ||
公司背景 Company background | 工商信息 | baseInfo | 企业基础工商信息,包含统一社会信用代码/注册资本/注册日期/法定代表人/经营范围等信息。 |
天眼风险 | riskInfo | ||
股权穿透图 | graphTreeInfo | ||
主要人员 | staff | ||
股东信息 | holder | ||
对外投资 | invest | ||
最终受益人 | humanholding | ||
实际控制权 | companyholding | ||
财务简析 | financialAnalysis* | 付费可见内容。 | |
企业关系 | graph | ||
变更记录 | changeinfo | ||
历史沿革 | graphTimeInfo | ||
公司年报 | report* | ||
分支机构 | branch | ||
司法风险 Judicial risk | 开庭公告 | announcementCount | |
法律诉讼 | lawsuit | ||
法院公告 | court | ||
失信人信息 | dishonest | ||
被执行人 | zhixing | ||
司法协助 | |||
经营风险 Operational risks | 经营异常 | abnormal | |
行政处罚 | punish, punishmentCreditchina | ||
严重违法 | |||
股权出质 | equity | ||
动产抵押 | |||
欠税公告 | |||
司法拍卖 | judicialSale | ||
清算信息 | |||
知识产权出质 | |||
公示催告 | publicnoticeItem | ||
公司发展 Company development | 融资历史 | rongzi | |
核心团队 | teamMember | ||
企业业务 | firmProduct | ||
投资事件 | touzi | ||
竞品信息 | jingpin | ||
经营状况 Operation status | 招聘信息 | recruit | |
行政许可 | licensing licensingXyzg | ||
税务评级 | taxcredit | ||
抽查检查 | check | ||
资质证书 | certificate | ||
招投标信息 | bid | ||
产品信息 | product | ||
微信公众号 | |||
进出口信用 | importAndExport | ||
债券信息 | bond | ||
购地信息 | purchaselandV2 | ||
电信许可 | permission | ||
知识产权 Intellectual property | 商标信息 | tminfo | |
专利信息 | patent | ||
软件著作权 | copyright | ||
作品著作权 | copyrightWorks | ||
网站备案 | icp | ||
历史信息 Past | |||
工商信息 | pastICCount | ||
股东信息 | pastHolderCount | ||
对外投资 | pastInvestCount | ||
开庭公告 | pastAnnouncementCount | ||
法律诉讼 | passtLawsuitCount | ||
法院公告 | pastCourtCount | ||
失信人信息 | pastDishonest | ||
被执行人 | pastZhixing | ||
行政处罚 | pastPunishmentIC, pastPunishmentCreditCN | ||
股权出质 | pastEquitycount | ||
动产抵押 | |||
行政许可 | getPastLicenseCN |
use_default_exception参数的解释。
list_exception = ['recruit', 'tmInfo', 'holdingCompany', 'invest', 'bonus', 'firmProduct', 'jingpin', \
'bid', 'taxcredit', 'certificate', 'patent', 'copyright', 'product', 'importAndExport', \
'copyrightWorks', 'wechat', 'icp', 'announcementcourt', 'lawsuit', 'court', \
'branch', 'touzi', 'judicialSale', 'bond', 'teamMember', 'check']
- Chrome浏览器
- Chrome-webdriver:将
chromedriver.exe
(Windows)或chromedriver.dmg
(Mac)移动到本地Python安装目录下。 Requirements.txt
捐助是一种美德。 ❤️💛💙
- 资金
- 点赞
请为知乎相关问题像天眼查这种网站怎么进行全爬虫?
的回答点赞,帮助更多人受惠于本项目。