爬虫需求2

需求描述:
利用requests库分别完成中国货币网(编号10501)、北京金融资产交易所的债券(编号10701)爬取。
中国货币网地址:http://www.chinamoney.com.cn/chinese/qwjsn/?searchValue=
北京金融资产交易所地址:https://www.cfae.cn/xxpl/xxpl.html##

input:外部输入一个时间段(begin_date,end_date,均为int格式),和文件预计保存的根目录,如r‘D:\pdf’
output:对爬取的结果进行解析,最终提交一个Dataframe数据,该frm数据包含以下字段:
announce_date:文件发布日期,应该是‘2018-01-01’这样的str格式的
short_company_name:公司简称,如果没有,为空
full_company_name:公司全称,如果没有,为空
trade_code:公司代码,如果没有,为空
source_code:来源代码,中国货币网(编号10501)、北京金融资产交易所的债券(编号10701)
file_title:文件名称
file_url:文件的网络地址,可以从此地址直接下载
file_id:文件的id,唯一由三块组成,例如10501201809060,前面的10501指的是中国货币网,中间的20180906指的是发布时间,后面的0是指从0开始0,1,2,3…10,11…依次编号。
file_path:文件预计要保存的本地地址,由文件预计保存的根目录+时间目录+文件名组成,例如:r‘D:\pdf\2018\09\06\10601201809060.pdf’
status:状态码,默认100
download_date:为空

其他:
中国货币网需要输入关键字,关键字可以从机构信息中获得(约5000多个公司)。
需要注意的是,有些公司名字包含了新名字和旧名字,需要将其拆分出来,并且指向同一个id,最终做成一个公司名的DataFrame数据,示例:


image.png

后续爬取的时候新名字和旧名字均需要爬取。
该公司名的DataFrame数据也需要提交。并且需要有更新函数,即未来该机构信息有增加的,需要增加到公司名DataFrame数据里。

验收标准:
1.提交代码(包含测试用例)。代码规范参考这个地址:https://www.jianshu.com/p/3f14bd0378fc
测试用例可以从抓取后的数据里取三条数据进行比对,如:

image.png

2.提交数据:2008-01-01~2017-12-31这10年的数据(DataFrame格式)以及从中国货币网获得的机构信息的DataFrame数据。需要确保抓取的数据和网页显示的数据100%无误。
3.提交截图:网页显示的2008-01-01~2017-12-31这段时间数据总数和抓取下来的总数相同。
4.提交截图:验证10个公司,确保2008-01-01~2017-12-31这段时间每个公司网页显示数据数和抓取下来的数据数相同。
10个公司分别如下:
无锡产业发展集团有限公司,南京江宁国有资产经营集团有限公司,杉杉集团有限公司,安徽省交通控股集团有限公司,山东钢铁集团有限公司,四川高速公路建设开发集团有限公司,上海国有资产经营有限公司,平湖市国有资产控股集团有限公司,北京能源集团有限责任公司,厦门建发集团有限公司

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,392评论 5 470
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,258评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 147,417评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,992评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,930评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,199评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,652评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,327评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,463评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,382评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,432评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,118评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,704评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,787评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,999评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,476评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,057评论 2 341

推荐阅读更多精彩内容

  • 《方太儒道》这本书,我在读之前,就已经被各种书评介绍所吸引了,一个企业的管理精髓,用的是中国式的儒道的思想,听起来...
    Alice_cyy阅读 828评论 0 0
  • 麦地的人最近都来洛洛家,因为洛洛家新添了一个小妹妹。 爸爸妈妈给她起名叫公孙荀,小名就是荀...
    缘一阅读 365评论 0 4