深圳市社会组织信息平台爬虫获取信息

最新推荐文章于 2022-03-10 12:10:38 发布

linker6619

最新推荐文章于 2022-03-10 12:10:38 发布

阅读量1.7k

点赞数 1

CC 4.0 BY-SA版权

文章标签： python json

本文链接：https://blog.youkuaiyun.com/linker6619/article/details/105334964

本文介绍了如何爬取深圳市社会组织信息平台上的基金会数据，包括基本信息、评估等级和年检报告。通过分析XHR请求，抓取JSON格式的数据，并处理可能存在的缺失信息。提供了两种版本的爬虫代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

爬取网站：深圳市社会组织信息平台 .
网址：http://sgj.mzj.sz.gov.cn:9008/xxcx/index.jhtml
需要爬取的字段如下：

columns = ['社会组织名称', '统一信用代码', '成立时间', '法定代表人', '登记管理机关', '住所地址', '业务范围', '是否慈善组织', '是否取得公益性捐赠税前扣除资格', '是否具有公开募捐资格',
               '在承接政府职能转移和购买服务社会组织推荐目录中', '状态', '证书有效期', '注册资金', '业务主管单位', '慈善组织认定登记日期', '是否纳入异常名录',
               '是否纳入严重失信名录', '评估等级', '授予时间', '截止时间', '编号'] #编号是后期另一个文件的前提条件

如图所示，先选择类型为基金会，其次点击查询，获得下图的表格数据，
在这里插入图片描述
然后点击XHR中的信息，从中获取表格中数据，json格式的比较容易爬取，

爬取如上信息


def bsae_info(): 
    list_base_info = []  #保存数据
    url_1 = 'http://218.17.83.146:9008/SOCSP_PS_SP/api/society/findList'
    for m in range(1, 3):
        data_1 = {
   
   'pageNum': m,
                'SOCIETY_TYPE': '4'} #传递参数
        headers = {
   
   
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'}  #为避免麻烦，每个函数都加入
        res_1 = requests.post(url_1, data=data_1, headers=headers)
        res_1_json = res_1.json()
        items_1 = res_1_json['data']['list']
        for i in items_1:  #获取数据
            try:
                ORGANIZATION_NAME = i['ORGANIZATION_NAME']
                CREDIT_CODE = i['CREDIT_CODE']
                SETUP_DATE = i['SETUP_DATE']
                LEGAL_REPRESENTATIVE = i['LEGAL_REPRESENTATIVE']
                REGISTRATION_AUTHORITY = i['REGISTRATION_AUTHORITY']
                ID = i['ID']
            except:
                pass
            list_base_info.append([ORGANIZATION_NAME, CREDIT_CODE, SETUP_DATE, LEGAL_REPRESENTATIVE, REGISTRATION_AUTHORITY, ID])  #列表加入数据
    return list_base_info

点进去首页的基金会组织名称，得到该基金会的进一步详细数据。点击左侧信息框的内容，右侧会出现相应的json信息，得到相应的数据，使用列表格式保存数据。
在这里插入图片描述

上述信息爬取


def info(ID):
    list_info = []
    for id_ in ID:
        url_2 = 'http://218.17.83.146:9008/SOCSP_PS_SP/api/index/findSociety'
        data_2 = {
   
   'societyId': id_}
        headers = {
   
   
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'}
        res_2 = requests.post(url_2, data=data_2, headers=headers)
        res_2_json = res_2.json()
        datas = res_2_json['data']
        try:
            DETAILED_RESIDENCE = datas['DETAILED_RESIDENCE']
            BUSINESS_RANGE = datas['BUSINESS_RANGE']
            CHARITABLE_ORGANIZATION = datas['CHARITABLE_ORGANIZATION']
            DEDUCTION_QUALIFICATION = datas['DEDUCTION_QUALIFICATION']
            PUBLIC_APPLICATION = datas['PUBLIC_APPLICATION']
            IS_FUNCTION_SERVE = datas['IS_FUNCTION_SERVE']
            STATUS = datas['STATUS']
            CERT_VALID_TIME = datas['CERT_VALID_TIME']
            REGISTERED_CAPITAL = datas['REGISTERED_CAPITAL']
            COMPETENT_UNIT = datas['COMPETENT_UNIT']
            SETUP_DATE = datas['SETUP_DATE']
            YCML = datas['YCML']
            YZSX = datas['YZSX']
        except NameError: #部分内容存在问题，需要加错误信息处理
            pass
        except KeyError:
            pass
        list_info.append([DETAILED_RESIDENCE, BUSINESS_RANGE, CHARITABLE_ORGANIZATION, DEDUCTION_QUALIFICATION, PUBLIC_APPLICATION, IS_FUNCTION_SERVE, STATUS, CERT_VALID_TIME, REGISTERED_CAPITAL, COMPETENT_UNIT, SETUP_DATE, YCML, YZSX])
    return list_info

接下来爬取评估等级信息，由于不是每个基金会都含有此信息，因此需要找一个有此信息的基金会，如图所示，等级信息如右所示，
在这里插入图片描述

爬虫代码


def grade(ID):
    list_grade = []
    for id_ in ID:
        url_3 = 'http://218.17.83.146:9008/SOCSP_PS_SP/api/index/findPgdjList'
        data_2 = {
   
   'societyId': id_}
        headers = {
   
   
            'User-A