1

import re import requests url = "https://top.chinaz.com/gongsi/index_zhuce.html"

设置请求头信息

headers = { "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36" } #requests爬取网页内容

使用reqeusts模快发起 GET 请求

response = requests.get(url, headers=headers)

获取请求的返回结果

html = response.text

存储内容

message = []

总共17个页面的数据

for page in range(17): # 组装url if page == 0: url = "https://top.chinaz.com/gongsi/index_zhuce.html" else: url = "https://top.chinaz.com/gongsi/index_zhuce.html".format(page + 1)

response = requests.get(url, headers=headers)
html = response.text

# 使用 findall 函数来获取数据
# 公司名
company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
# 注册资本
capital= re.findall('注册资本：</span>(.*?)</p>', html)
# 合并列表
pageOne = list(zip(company,debt ))
message.extend(pageOne)    #将列表放入message里

import csv with open("content.csv", "w") as f: w = csv.writer(f) w.writerows(message)#将一个二维列表中的每一个列表写为一行 import pandas as pd

读取数据

df = pd.read_csv("content.csv", names=["company", "capital"]) df4=df.head(500)#获取注册资金500强公司的名字和注册资金 print(df4) df2=df.head(20) print(df2)#获取top20公司的名字和注册资金 df3=list(df2['capital']) #将单位统一为（万） for i in range(len(df3)): if ('万' in df3[0]) : a=df3[0].replace('万人民币','') a=a.replace('万元人民币','') a=a.replace('万元','') a=a.replace('万','') if ('亿'in df3[0]): a=df3[0].replace('亿元','') a=a.replace('亿人民币','') a=float(a)*10000 a=str(a) df3.remove(df3[0]) df3.append(a)

绘制条形图（饼图字迹会重合，所以不用饼图）

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei']# 用黑体显示中文 plt.rcParams['axes.unicode_minus'] = False # （解决坐标轴负数的负号显示问题） plt.grid()#网格 b = df2['company']#获取top20公司名称 sizes=[] for i in df3: i=float(i)#将列表中字符串类型转化为浮点类型 sizes.append(i)#获取t0p20公司所对应的资金 for i,j in zip(range(20),sizes): plt.text(i,j+0.5,j,ha='center',va='bottom',rotation=90) #给每个公司标上具体资金 plt.bar(range(20),sizes,width=0.8) plt.xticks(range(20), b,rotation=90)#rotation=90，将横坐标的字变成竖直的 plt.xlabel('公司名称')#设置横标签 plt.ylabel('单位：万元')#设置纵标签 plt.title('注册资金最多的公司 top20 ')#设置标题 plt.figure(figsize=(30, 20))#改变图的宽、高 plt.show()