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
bcb04605
提交
bcb04605
authored
10月 17, 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
证监会年报 title加上.pdf后缀
上级
9fa0c999
隐藏空白字符变更
内嵌
并排
正在显示
1 个修改的文件
包含
13 行增加
和
3 行删除
+13
-3
证监会-年报.py
comData/annualReport/证监会-年报.py
+13
-3
没有找到文件。
comData/annualReport/证监会-年报.py
浏览文件 @
bcb04605
impor
t
json
impor
t
json
...
...
@@ -99,9 +99,19 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
pdf_url_info
=
td_list
[
2
]
# print(pdf_url)
pdf_url
=
pdf_url_info
[
'onclick'
]
.
strip
(
'downloadPdf1('
)
.
split
(
','
)[
0
]
.
strip
(
'
\'
'
)
name_pdf
=
pdf_url_info
[
'onclick'
]
.
strip
(
'downloadPdf1('
)
.
split
(
','
)[
1
]
.
strip
(
'
\'
'
)
name_pdf
=
pdf_url_info
[
'onclick'
]
.
strip
(
'downloadPdf1('
)
.
split
(
','
)[
1
]
.
strip
(
'
\'
'
)
+
'.pdf'
pub_time
=
pdf_url_info
[
'onclick'
]
.
strip
(
'downloadPdf1('
)
.
split
(
','
)[
2
]
.
strip
(
'
\'
'
)
# todo:判断发布日期是否是日期格式
pattern
=
r"^\d{4}-\d{2}-\d{2}$"
# 正则表达式匹配YYYY-MM-DD格式的日期
date_time_pattern
=
r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}"
if
re
.
match
(
pattern
,
pub_time
):
pass
else
:
if
re
.
match
(
date_time_pattern
,
pub_time
):
pass
else
:
continue
# print(name)
report_type
=
td_list
[
4
]
.
text
.
strip
()
# print(report_type)
...
...
@@ -154,7 +164,7 @@ def SpiderByZJH(url, payload, dic_info, num, start_time):
'origin'
:
'证监会'
,
'publishDate'
:
pub_time
,
'sid'
:
'1684032033495392257'
,
'sourceAddress'
:
''
,
# 原文链接
'sourceAddress'
:
pdf_url
,
# 原文链接
'summary'
:
''
,
'title'
:
name_pdf
,
'type'
:
1
,
...
...
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