Skip to content
项目
群组
代码片段
帮助
当前项目
正在载入...
登录 / 注册
切换导航面板
Z
zzsn_spider
概览
概览
详情
活动
周期分析
版本库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
统计图
问题
0
议题
0
列表
看板
标记
里程碑
合并请求
1
合并请求
1
CI / CD
CI / CD
流水线
作业
日程表
图表
维基
Wiki
代码片段
代码片段
成员
成员
折叠边栏
关闭边栏
活动
图像
聊天
创建新问题
作业
提交
问题看板
Open sidebar
丁双波
zzsn_spider
Commits
0afdebe1
提交
0afdebe1
authored
10月 26, 2023
作者:
薛凌堃
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
证监会企业年报
上级
4e84d611
显示空白字符变更
内嵌
并排
正在显示
1 个修改的文件
包含
16 行增加
和
7 行删除
+16
-7
证监会-年报.py
comData/annualReport/证监会-年报.py
+16
-7
没有找到文件。
comData/annualReport/证监会-年报.py
浏览文件 @
0afdebe1
impor
t
json
impor
t
json
import
json
from
datetime
import
datetime
from
kafka
import
KafkaProducer
...
...
@@ -113,6 +114,11 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
else
:
continue
# print(name)
# 将时间年月日字符串转换为datetime对象
date_object
=
datetime
.
strptime
(
pub_time
,
"
%
Y-
%
m-
%
d"
)
# 将datetime对象转换为年月日时分秒字符串
datetime_string
=
date_object
.
strftime
(
"
%
Y-
%
m-
%
d
%
H:
%
M:
%
S"
)
report_type
=
td_list
[
4
]
.
text
.
strip
()
# print(report_type)
if
report_type
==
'年报'
:
...
...
@@ -143,13 +149,16 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
return
False
#插入数据库获取att_id
num
=
num
+
1
att_id
=
baseCore
.
tableUpdate
(
retData
,
short_name
,
year
,
name_pdf
,
num
,
pub_time
)
origin
=
'证监会'
att_id
=
baseCore
.
tableUpdate
(
retData
,
short_name
,
year
,
name_pdf
,
num
,
pub_time
,
origin
)
if
att_id
:
pass
else
:
return
False
content
=
retData
[
'content'
]
lang
=
baseCore
.
detect_language
(
content
)
if
lang
==
'cn'
:
lang
=
'zh'
time_now
=
time
.
strftime
(
"
%
Y-
%
m-
%
d
%
H:
%
M:
%
S"
,
time
.
localtime
())
dic_news
=
{
'attachmentIds'
:
att_id
,
...
...
@@ -160,9 +169,9 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
'deleteFlag'
:
'0'
,
'id'
:
''
,
'keyWords'
:
''
,
'lang'
:
'zh'
,
'origin'
:
'证监会'
,
'publishDate'
:
pub_time
,
'lang'
:
lang
,
'origin'
:
origin
,
'publishDate'
:
datetime_string
,
'sid'
:
'1684032033495392257'
,
'sourceAddress'
:
pdf_url
,
# 原文链接
'summary'
:
''
,
...
...
@@ -174,7 +183,7 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
# print(dic_news)
# 将相应字段通过kafka传输保存
try
:
producer
=
KafkaProducer
(
bootstrap_servers
=
[
'114.115.159.144:9092'
])
producer
=
KafkaProducer
(
bootstrap_servers
=
[
'114.115.159.144:9092'
]
,
max_request_size
=
1024
*
1024
*
20
)
kafka_result
=
producer
.
send
(
"researchReportTopic"
,
json
.
dumps
(
dic_news
,
ensure_ascii
=
False
)
.
encode
(
'utf8'
))
...
...
编写
预览
Markdown
格式
0%
重试
或
添加新文件
添加附件
取消
您添加了
0
人
到此讨论。请谨慎行事。
请先完成此评论的编辑!
取消
请
注册
或者
登录
后发表评论