python获取慧聪企业信息（联系方式）

要获取的内容如图：

'''
使用python获取慧聪企业联系方式
作者：菜鸟虫师Mac
时间：2020.7.24
'''
import requests
import json
from lxml import etree

TARGET = 'https://s.hc360.com/company/search.html?'

HEADERS = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:78.0) Gecko/20100101 Firefox/78.0',

}
# 要post的参数
DATA = {
    'kwd': None,
    'pnum': None,
}


# 向首页发起请求，获取企业信息页面的url
def get_index_url():
    # 首页的请求方式是post
    res = requests.post(url=TARGET, headers=HEADERS, params=DATA)
    html = etree.HTML(res.content.decode())
    # 获取企业信息的url（如图1）
    get_contacts_urls = list(html.xpath('//a[@class="tel"]/@href'))
    # 要在每个href前面加上'https:'才能成为一个真正的url，进行下一步的访问
    get_contacts_urls = map(lambda x: 'https:' + x, get_contacts_urls)
    return (list(get_contacts_urls))


# 向企业信息页面的url发起请求，获取企业信息
def get_cpns_infos(url):
    res = requests.get(url=url, headers=HEADERS)
    html = etree.HTML(res.text)
    # 企业的联系信息都在这个<div>下的<li>内
    # cpns_infos = html.xpath('//div[@class="ContacCon3"]//ul/li')
    cpns_infos = html.xpath('//div[@class="ContacCon3"]//ul')
    # 字典：存放企业联系信息
    cpns_datas = {}
    for cpns_info in cpns_infos:
        cpns_datas['公司名称'] = cpns_info.xpath('//div[@class="cConpanyName"]/text()')[0]
        # 联系人姓名
        contacts = cpns_info.xpath('//div[@class="con3Rig"]/span/a/text()')[0]
        # 职位
        position = cpns_info.xpath('//div[@class="con3Rig"]/span/text()')[0]
        # 联系人姓名+职位（去掉\xa0\xa0）
        cpns_datas['联系人'] = "".join((contacts + position).split())
        # QQ
        QQ = cpns_info.xpath('//a[@class="contactQQ"]/text()')
        # 有QQ，则去掉本身的QQ：以及括号
        if QQ:
            qq = QQ[0].strip("( QQ：)")
            cpns_datas['QQ'] = qq
        # 没有QQ，则显示'没有QQ'
        else:
            cpns_datas['QQ'] = '没有QQ'
        cpns_datas['公司电话'] = cpns_info.xpath('//div[@node-name="telephone"]/text()')
        cpns_datas['手机号码'] = cpns_info.xpath('//div[@node-name="mp"]/text()')
        cpns_datas['其他电话'] = cpns_info.xpath('//div[@node-name="otherTelephone"]/text()')
        cpns_datas['官网'] = cpns_info.xpath(
            '//div[@class="con3Rig"]/a[contains(@onmousedown,"contact_detail_homepage")]/text()')[0].strip(
            "\r\n\t\t").replace(" ", "")
        # 地址(在最后一个<li>的div内)
        cpns_datas['地址'] = cpns_info.xpath('//li[last()]/div[@class="con3Rig"]/text()')[0]
    # 转化为json格式，以便保存
    cpns_datas_json = json.dumps(cpns_datas, ensure_ascii=False)
    # 将信息保存到JSON文件中
    save_infos(cpns_datas_json)


# 保存信息
def save_infos(data):
    with open('HuiCong.json', 'a') as f:
        f.write(data)
        print("OK!")


# 逻辑函数
def main():
    # 要获取的城市
    DATA['kwd'] = '广州'
    # 前N页的内容
    for i in range(3):
        DATA['pnum'] = (i + 1)
        urls = get_index_url()
        for url in urls:
            get_cpns_infos(url)


if __name__ == '__main__':
    main()

图1如下：
获取到的如下：

本文地址：https://blog.csdn.net/Mac1392415/article/details/107551616