Soqi爬虫说明文档v11.docx
《Soqi爬虫说明文档v11.docx》由会员分享,可在线阅读,更多相关《Soqi爬虫说明文档v11.docx(173页珍藏版)》请在冰点文库上搜索。
Soqi爬虫说明文档v11
Soqi爬虫说明文档v1.1
安装说明:
先安装好PYTHON2.7.3版本
再双击安装PyQt-Py2.7-x86-gpl-4.9.4-1.exe(界面支持库)
再双击安装MySQL-python-1.2.3.win32-py2.7.exe(MYSQL连接库)
再解压缩pyexcelerator-0.6.4.1.zip,打开pyexcelerator-0.6.4.1目录,用命令行运行:
pythonsetup.pyinstall(注意,python要配置好环境变量)
最后再解压chardet-1.0.1.tar.gz打开chardet-1.0.1目录,用命令行运行:
pythonsetup.pyinstall(注意,python要配置好环境变量)
最后运行根目录的main.py即可打开窗口
主界面:
运行根目录的main.py
为减少磁盘I/O,excel文件将在窗口析构后生成,mysql数据将在窗口析构后才commit录入。
请在程序运行结束后关闭程序,再打开excel文件,否则可能会有io冲突,无法写入excel文件。
所以推荐每次搜索的范围是一个省。
例如:
起始ID:
110000 北京市
结束ID:
119999及在天津市120000之前
起始ID和结束ID的说明:
起始ID与结束ID均为6位数字。
详细ID列表详见下文,是以中国市级行政区为划分,若ID为空会自动跳过。
例如:
设置起始ID为000001结束ID为999999(此时结束ID会自动取到最大值820000)
这样就能搜索全国公司。
示例1:
若要搜索全广州市的企业:
起始ID:
440100结束ID:
440100
此时会遍历广州市下面的所有区级行政单位,一个一个区的进行爬取。
若设置爬取5页的话,也就是说,广州下面的每个区都会爬5页的数据。
示例2:
若要搜索全厦门市的企业:
起始ID:
350200结束ID:
350200
关键词选择:
推荐选择公司和厂即可。
配置文件:
Spider.exe.config
其中需要配置的参数完全可以在窗口界面配置。
所以这个配置文件可以忽略
详细ID表:
ID号 对应名称
110000 北京市
110100 市辖区
110101 东城区
110102 西城区
110103 崇文区
110104 宣武区
110105 朝阳区
110106 丰台区
110107 石景山区
110108 海淀区
110109 门头沟区
110111 房山区
110112 通州区
110113 顺义区
110114 昌平区
110115 大兴区
110116 怀柔区
110117 平谷区
110200 县
110228 密云县
110229 延庆县
120000 天津市
120100 市辖区
120101 和平区
120102 河东区
120103 河西区
120104 南开区
120105 河北区
120106 红桥区
120107 塘沽区
120108 汉沽区
120109 大港区
120110 东丽区
120111 西青区
120112 津南区
120113 北辰区
120114 武清区
120115 宝坻区
120200 县
120221 宁河县
120223 静海县
120225 蓟 县
130000 河北省
130100 石家庄市
130200 唐山市
130300 秦皇岛市
130400 邯郸市
130500 邢台市
130600 保定市
130700 张家口市
130800 承德市
130900 沧州市
131000 廊坊市
131100 衡水市
140000 山西省
140100 太原市
140200 大同市
140300 阳泉市
140400 长治市
140500 晋城市
140600 朔州市
140700 晋中市
140800 运城市
140900 忻州市
141000 临汾市
141100 吕梁市
150000 内蒙古自治区
150100 呼和浩特市
150200 包头市
150300 乌海市
150400 赤峰市
150500 通辽市
150600 鄂尔多斯市
150700 呼伦贝尔市
150800 巴彦淖尔市
150900 乌兰察布市
152200 兴安盟
152500 锡林郭勒盟
152900 阿拉善盟
210000 辽宁省
210100 沈阳市
210200 大连市
210300 鞍山市
210400 抚顺市
210500 本溪市
210600 丹东市
210700 锦州市
210800 营口市
210900 阜新市
211000 辽阳市
211100 盘锦市
211200 铁岭市
211300 朝阳市
211400 葫芦岛市
220000 吉林省
220100 长春市
220200 吉林市
220300 四平市
220400 辽源市
220500 通化市
220600 白山市
220700 松原市
220800 白城市
222400 延边朝鲜族自治州
230000 黑龙江省
230100 哈尔滨市
230200 齐齐哈尔市
230300 鸡西市
230400 鹤岗市
230500 双鸭山市
230600 大庆市
230700 伊春市
230800 佳木斯市
230900 七台河市
231000 牡丹江市
231100 黑河市
231200 绥化市
232700 大兴安岭地区
310000 上海市
310100 市辖区
310101 黄浦区
310103 卢湾区
310104 徐汇区
310105 长宁区
310106 静安区
310107 普陀区
310108 闸北区
310109 虹口区
310110 杨浦区
310112 闵行区
310113 宝山区
310114 嘉定区
310115 浦东新区
310116 金山区
310117 松江区
310118 青浦区
310119 南汇区
310120 奉贤区
310200 县
310230 崇明县
320000 江苏省
320100 南京市
320200 无锡市
320300 徐州市
320400 常州市
320500 苏州市
320600 南通市
320700 连云港市
320800 淮安市
320900 盐城市
321000 扬州市
321100 镇江市
321200 泰州市
321300 宿迁市
330000 浙江省
330100 杭州市
330200 宁波市
330300 温州市
330400 嘉兴市
330500 湖州市
330600 绍兴市
330700 金华市
330800 衢州市
330900 舟山市
331000 台州市
331100 丽水市
340000 安徽省
340100 合肥市
340200 芜湖市
340300 蚌埠市
340400 淮南市
340500 马鞍山市
340600 淮北市
340700 铜陵市
340800 安庆市
341000 黄山市
341100 滁州市
341200 阜阳市
341300 宿州市
341400 巢湖市
341500 六安市
341600 亳州市
341700 池州市
341800 宣城市
350000 福建省
350100 福州市
350200 厦门市
350300 莆田市
350400 三明市
350500 泉州市
350600 漳州市
350700 南平市
350800 龙岩市
350900 宁德市
360000 江西省
360100 南昌市
360200 景德镇市
360300 萍乡市
360400 九江市
360500 新余市
360600 鹰潭市
360700 赣州市
360800 吉安市
360900 宜春市
361000 抚州市
361100 上饶市
370000 山东省
370100 济南市
370200 青岛市
370300 淄博市
370400 枣庄市
370500 东营市
370600 烟台市
370700 潍坊市
370800 济宁市
370900 泰安市
371000 威海市
371100 日照市
371200 莱芜市
371300 临沂市
371400 德州市
371500 聊城市
371600 滨州市
371700 菏泽市
410000 河南省
410100 郑州市
410200 开封市
410300 洛阳市
410400 平顶山市
410500 安阳市
410600 鹤壁市
410700 新乡市
410800 焦作市
410900 濮阳市
411000 许昌市
411100 漯河市
411200 三门峡市
411300 南阳市
411400 商丘市
411500 信阳市
411600 周口市
411700 驻马店市
420000 湖北省
420100 武汉市
420200 黄石市
420300 十堰市
420500 宜昌市
420600 襄樊市
420700 鄂州市
420800 荆门市
420900 孝感市
421000 荆州市
421100 黄冈市
421200 咸宁市
421300 随州市
422800 恩施土家族苗族自治州
429000 省直辖行政单位
429004 仙桃市
429005 潜江市
429006 天门市
429021 神农架林区
430000 湖南省
430100 长沙市
430200 株洲市
430300 湘潭市
430400 衡阳市
430500 邵阳市
430600 岳阳市
430700 常德市
430800 张家界市
430900 益阳市
431000 郴州市
431100 永州市
431200 怀化市
431300 娄底市
433100 湘西土家族苗族自治州
440000 广东省
440100 广州市
440200 韶关市
440300 深圳市
440400 珠海市
440500 汕头市
440600 佛山市
440700 江门市
440800 湛江市
440900 茂名市
441200 肇庆市
441300 惠州市
441400 梅州市
441500 汕尾市
441600 河源市
441700 阳江市
441800 清远市
441900 东莞市
442000 中山市
445100 潮州市
445200 揭阳市
445300 云浮市
500000 重庆市
500100 市辖区
500101 万州区
500102 涪陵区
500103 渝中区
500104 大渡口区
500105 江北区
500106 沙坪坝区
500107 九龙坡区
500108 南岸区
500109 北碚区
500110 万盛区
500111 双桥区
500112 渝北区
500113 巴南区
500114 黔江区
500115 长寿区
500116 江津区
500117 合川区
500118 永川区
500119 南川区
500200 县
500222 綦江县
500223 潼南县
500224 铜梁县
500225 大足县
500226 荣昌县
500227 璧山县
500228 梁平县
500229 城口县
500230 丰都县
500231 垫江县
500232 武隆县
500233 忠 县
500234 开 县
500235 云阳县
500236 奉节县
500237 巫山县
500238 巫溪县
500240 石柱土家族自治县
500241 秀山土家族苗族自治县
500242 酉阳土家族苗族自治县
500243 彭水苗族土家族自治县
450000 广西壮族自治区
450100 南宁市
450200 柳州市
450300 桂林市
450400 梧州市
450500 北海市
450600 防城港市
450700 钦州市
450800 贵港市
450900 玉林市
451000 百色市
451100 贺州市
451200 河池市
451300 来宾市
451400 崇左市
460000 海南省
460100 海口市
460200 三亚市
510000 四川省
510100 成都市
510300 自贡市
510400 攀枝花市
510500 泸州市
510600 德阳市
510700 绵阳市
510800 广元市
510900 遂宁市
511000 内江市
511100 乐山市
511300 南充市
511400 眉山市
511500 宜宾市
511600 广安市
511700 达州市
511800 雅安市
511900 巴中市
512000 资阳市
513200 阿坝藏族羌族自治州
513300 甘孜藏族自治州
513400 凉山彝族自治州
520000 贵州省
520100 贵阳市
520200 六盘水市
520300 遵义市
520400 安顺市
522200 铜仁地区
522300 黔西南布依族苗族自治州
522400 毕节地区
522600 黔东南苗族侗族自治州
522700 黔南布依族苗族自治州
530000 云南省
530100 昆明市
530300 曲靖市
530400 玉溪市
530500 保山市
530600 昭通市
530700 丽江市
530800 思茅市
530900 临沧市
532300 楚雄彝族自治州
532500 红河哈尼族彝族自治州
532600 文山壮族苗族自治州
532800 西双版纳傣族自治州
532900 大理白族自治州
533100 德宏傣族景颇族自治州
533300 怒江傈僳族自治州
533400 迪庆藏族自治州
540000 西藏自治区
540100 拉萨市
542100 昌都地区
542200 山南地区
542300 日喀则地区
542400 那曲地区
542500 阿里地区
542600 林芝地区
610000 陕西省
610100 西安市
610200 铜川市
610300 宝鸡市
610400 咸阳市
610500 渭南市
610600 延安市
610700 汉中市
610800 榆林市
610900 安康市
611000 商洛市
620000 甘肃省
620100 兰州市
620200 嘉峪关市
620300 金昌市
620400 白银市
620500 天水市
620600 武威市
620700 张掖市
620800 平凉市
620900 酒泉市
621000 庆阳市
621100 定西市
621200 陇南市
622900 临夏回族自治州
623000 甘南藏族自治州
630000 青海省
630100 西宁市
632100 海东地区
632200 海北藏族自治州
632300 黄南藏族自治州
632500 海南藏族自治州
632600 果洛藏族自治州
632700 玉树藏族自治州
632800 海西蒙古族藏族自治州
640000 宁夏回族自治区
640100 银川市
640200 石嘴山市
640300 吴忠市
640400 固原市
640500 中卫市
650000 新疆维吾尔自治区
650100 乌鲁木齐市
650200 克拉玛依市
652100 吐鲁番地区
652200 哈密地区
652300 昌吉回族自治州
652700 博尔塔拉蒙古自治州
652800 巴音郭楞蒙古自治州
652900 阿克苏地区
653000 克孜勒苏柯尔克孜自治州
653100 喀什地区
653200 和田地区
654000 伊犁哈萨克自治州
654200 塔城地区
654300 阿勒泰地区
659000 省直辖行政单位
710000 台湾省
810000 香港特别行政区
820000 澳门特别行政区
输出文件:
在该项目的根目录下:
按照时间生成的excel文件:
companyinformation2012-07-2321-30-37.xls
如果mysql配置无误,会自动把数据插入mysql中,并且会自动去重。
MYSQL数据库配置:
MYSQL数据库默认host地址="localhost",用户名='root',密码='123456',数据库名='companyinformation',插入表名='companyinformation'
数据库结构图:
数据库名companyinformation
表名companyinformation
数据库建表SQL语句:
CREATEDATABASE`CompanyInformation`DEFAULTCHARACTERSETutf8;
CREATETABLE`companyinformation`.`CompanyName`(
`idCompanyName`CHAR(19)NOTNULL,
PRIMARYKEY(`idCompanyName`),
UNIQUEINDEX`idCompanyName_UNIQUE`(`idCompanyName`ASC))
DEFAULTCHARACTERSET=utf8;
ALTERTABLE`companyinformation`.`companyname`ADDCOLUMN`companyname`VARCHAR(100)NOTNULLAFTER`ID`,ADDCOLUMN`introduction`VARCHAR(2048)NULLAFTER`companyname`,ADDCOLUMN`product`VARCHAR(300)NULLAFTER`introduction`,ADDCOLUMN`website`VARCHAR(100)NULLAFTER`product`,ADDCOLUMN`websitetitle`VARCHAR(150)NULLAFTER`website`,CHANGECOLUMN`idCompanyName``ID`CHAR(19)NOTNULL
DROPPRIMARYKEY
ADDPRIMARYKEY(`ID`)
DROPINDEX`idCompanyName_UNIQUE`
ADDUNIQUEINDEX`idCompanyName_UNIQUE`(`ID`ASC)
ADDUNIQUEINDEX`companyname_UNIQUE`(`companyname`ASC),RENAMETO`companyinformation`.`companyinformation`;
ALTERTABLE`companyinformation`.`companyinformation`CHANGECOLUMN`introduction``introduction`VARCHAR(4096)NULLDEFAULTNULL,CHANGECOLUMN`product``product`VARCHAR(600)NULLDEFAULTNULL;
附录:
起始ID和结束ID(含区级行政单位):
代码 名称
110000 北京市
110100 市辖区
110101 东城区
110102 西城区
110103 崇文区
110104 宣武区
110105 朝阳区
110106 丰台区
110107 石景山区
110108 海淀区
110109 门头沟区
110111 房山区
110112 通州区
110113 顺义区
110114 昌平区
110115 大兴区
110116 怀柔区
110117 平谷区
110200 县
110228 密云县
110229 延庆县
120000 天津市
120100 市辖区
120101 和平区
120102 河东区
120103 河西区
120104 南开区
120105 河北区
120106 红桥区
120107 塘沽区
120108 汉沽区
120109 大港区
120110 东丽区
120111 西青区
120112 津南区
120113 北辰区
120114 武清区
120115 宝坻区
120200 县
120221 宁河县
120223 静海县
120225 蓟 县
130000 河北省
130100 石家庄市
130101 市辖区
130102 长安区
130103 桥东区
130104 桥西区
130105 新华区
130107 井陉矿区
130108 裕华区
130121 井陉县
130123 正定县
130124 栾城县
130125 行唐县
130126 灵寿县
130127 高邑县
130128 深泽县
130129 赞皇县
130130 无极县
130131 平山县
130132 元氏县
130133 赵 县
130181 辛集市
130182 藁城市
130183 晋州市
130184 新乐市
130185 鹿泉市
130200 唐山市
13020