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
0
合并请求
0
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
王景浩
zzsn_spider
Commits
afb6cfd1
提交
afb6cfd1
authored
10月 19, 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
企业公告脚本测试
上级
3e7c3b28
全部展开
隐藏空白字符变更
内嵌
并排
正在显示
2 个修改的文件
包含
13 行增加
和
12 行删除
+13
-12
东方财富网-公告.py
comData/noticeReport/东方财富网-公告.py
+0
-0
证监会-公告.py
comData/noticeReport/证监会-公告.py
+13
-12
没有找到文件。
comData/noticeReport/东方财富网-公告.py
浏览文件 @
afb6cfd1
差异被折叠。
点击展开。
comData/noticeReport/证监会-公告.py
浏览文件 @
afb6cfd1
impor
t
json
impor
t
json
...
...
@@ -120,7 +120,7 @@ def tableUpdate(retData, com_name, year, pdf_name, num):
values
=
(
year
,
pdf_name
,
type_id
,
item_id
,
group_name
,
path
,
full_path
,
category
,
file_size
,
order_by
,
status
,
create_by
,
create_time
,
page_size
,
path
,
'zzsn'
)
create_time
,
page_size
,
full_path
.
split
(
'https://zzsn.obs.cn-north-1.myhuaweicloud.com/'
)[
1
]
,
'zzsn'
)
cursor_
.
execute
(
Upsql
,
values
)
# 插入
cnx_
.
commit
()
# 提交
except
Exception
as
e
:
...
...
@@ -283,14 +283,14 @@ def GetContent(pdf_url, pdf_name, social_code, year, pub_time, start_time,com_na
#判断文件是否已经存在obs服务器中
# file_path = 'QYNotice//浙江国祥股份有限公司首次公开发行股票并在主板上市暂缓发行公告'
now_time
=
time
.
strftime
(
"
%
Y-
%
m"
)
file_path
=
'QYNotice/'
+
pdf_name
response
=
obsClient
.
getObjectMetadata
(
'zzsn'
,
file_path
)
if
response
.
status
>=
300
:
log
.
info
(
'=====文件不存在obs====='
)
pass
else
:
log
.
info
(
f
'=====文件存在obs========{file_path}'
)
return
False
#
file_path = 'QYNotice/'+pdf_name
#
response = obsClient.getObjectMetadata('zzsn', file_path)
#
if response.status >= 300:
#
log.info('=====文件不存在obs=====')
#
pass
#
else:
#
log.info(f'=====文件存在obs========{file_path}')
#
return False
#上传至华为云服务器
retData
=
uptoOBS
(
pdf_url
,
pdf_name
,
8
,
social_code
)
#附件插入att数据库
...
...
@@ -323,7 +323,7 @@ def GetContent(pdf_url, pdf_name, social_code, year, pub_time, start_time,com_na
'sid'
:
'1684032033495392257'
,
'sourceAddress'
:
pdf_url
,
# 原文链接
'summary'
:
''
,
'title'
:
pdf_name
,
'title'
:
pdf_name
.
replace
(
'.pdf'
,
''
)
,
'type'
:
3
,
'socialCreditCode'
:
social_code
,
'year'
:
year
...
...
@@ -332,7 +332,7 @@ def GetContent(pdf_url, pdf_name, social_code, year, pub_time, start_time,com_na
# 将相应字段通过kafka传输保存
try
:
producer
=
KafkaProducer
(
bootstrap_servers
=
[
'114.115.159.144:9092'
])
kafka_result
=
producer
.
send
(
"researchReportTopic"
,
json
.
dumps
(
dic_news
,
ensure_ascii
=
False
)
.
encode
(
'utf8'
))
kafka_result
=
producer
.
send
(
"researchReportTopic
aaaas
"
,
json
.
dumps
(
dic_news
,
ensure_ascii
=
False
)
.
encode
(
'utf8'
))
print
(
kafka_result
.
get
(
timeout
=
10
))
...
...
@@ -430,6 +430,7 @@ def SpiderByZJH(url, payload, dic_info, start_time,num): # dic_info 数据库
# 判断数据库中是否有该条资讯
ifexist
=
ifInstert
(
short_name
,
social_code
,
pdf_url
)
#如果不存在 ifexist = True
# ifexist = True
if
ifexist
:
# 解析PDF内容,先获取PDF链接 下载 解析成功,解析失败 ,传输成功,传输失败
result
=
GetContent
(
pdf_url
,
name_pdf
,
social_code
,
year
,
pub_time
,
start_time
,
com_name
,
num
)
...
...
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