今天给大家分享一份爬取自中国政府采购网的政府采购数据，爬取的时间范围为 2000～2024 年 12 月，合计 578 万条数据（网站上标注的比这个多，不过里面存在很多重复的，去除之后就只剩这么多了）。
网站上的数据是这样的：
点击每一项可以看到合同的详情，根据时间的不同，详情页有两种形式。2020 年 7 月 1 日之前的合同详情页面是这样的：
2020 年 7 月 1 日之后的合同详情页面是这样的：
数据概览
经过我们的爬取整理，得到了 5777017 条合同数据，因为数据量较大，所以分年份进行了储存。以 2024 年为例，数据预览如下：
为了方便大家使用，部分变量已进行了初步处理（例如日期转换成日期变量，合同金额转换成了数值型）。
由于现在网站增加了反爬，所以仅仅爬取了目录页面的信息，不过也包含了供应商、客户、金额等关键信息，因此就没再继续爬取详情页面。供应商、客户的经纬度信息是先使用名称和工商注册信息匹配，然后使用匹配得到的工商注册地址解析得到的。如果没有匹配成功就直接使用名称解析。
这里有个特别需要注意的事情，就是数据里面的合同金额有一些是错误的，例如 100 万写成了 1000000 万（没有特别好的办法一一改正，有很多实在没法判断是对是错），因此上图是把合同金额超过 100 亿或者小于 1 万的删去了。
【下载→
方式一（推荐）：主页 ↓个人↓简介
方式二：数据下载地址汇总_-优快云博客
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
